【正文】 K={0，1，2，…，L1}表示圖像所有灰度的集合，L是圖像的灰度級。而W是一個(gè)對稱矩陣。 基于 Normalized Cut 準(zhǔn)則的圖像分割方法基于 Normalized Cut 準(zhǔn)則的圖像分割方法是一種典型的基于圖論的圖像分割方法。這種新型的圖像分割方法的基本原理是把圖像映射為一個(gè)帶權(quán)的無向圖，而圖中的節(jié)點(diǎn)對應(yīng)著圖像中的像素或者圖像區(qū)域，權(quán)值的大小表示兩點(diǎn)間的相關(guān)性。因此能把兩者進(jìn)行有效的結(jié)合，能很好的來彌補(bǔ)單純的基于圖論的圖像分割方法的不足。因此如何解決相似性計(jì)算公式的通用性，也是基于圖論的圖像分割方法一個(gè)研究方向。（ 2）對圖像信息間有效的區(qū)分能力有待于提高基于圖論的圖像分割方法在實(shí)現(xiàn)最優(yōu)劃分實(shí)現(xiàn)像素點(diǎn)間或區(qū)域間的聚類時(shí)，一般都是把這些像素點(diǎn)或區(qū)域間的連接特征作為聚類時(shí)的主要依據(jù)，這就導(dǎo)致了這些數(shù)據(jù)類間相互關(guān)系較為接近時(shí)，無法區(qū)分出其間的相似性，或者這種區(qū)分能力不夠清楚。尤其是在單純的使用這種分割方法時(shí)，這種無法很好的區(qū)分互相很接近的數(shù)據(jù)類的缺陷就會很明顯的表現(xiàn)出，同時(shí)算法的實(shí)時(shí)性也不好?；趫D論的圖像分割方法可以通過選擇合適的劃分準(zhǔn)則和設(shè)置合適的相關(guān)性關(guān)系公式，使得在處理全局和局部分割時(shí)取得一定的優(yōu)勢。而相對于一些基于區(qū)域分割方法來說，基于圖論的圖像分割方法在分割效果上不容易會產(chǎn)生過分割的現(xiàn)象。 + 1Z 標(biāo)準(zhǔn)特征系統(tǒng)來實(shí)現(xiàn)，該割集的特點(diǎn)是使得劃分后的兩部分能同時(shí)達(dá)到最小類間一致性和最大類內(nèi)相似性，但在后置處理時(shí)需要花費(fèi)大量的時(shí)間（4）Normalize Cut（歸一化割）這 種 割 集 的 定 義 形 式 是 [34] ： Nmcut ( A, B) =cut( A, B)Assoc( A,V )+cut ( A, B)Assoc(B,V )其中14+asso( A,V ) =∑u∈A,v∈Vw(u, v) ， asso( A, B) =∑u∈B,v∈Vw(u, v)該準(zhǔn)則一般是通過求解方程 (D ? W )Z = 235。通過實(shí)驗(yàn)結(jié)果驗(yàn)證了具有實(shí)時(shí)性和最優(yōu)解。目前較為代表性的方法如以下幾個(gè)。圖的最佳劃分的關(guān)鍵是尋去最佳類的劃分，也是一種點(diǎn)對聚類的問題，同樣基于圖論的圖像分割方法的關(guān)鍵也是聚類優(yōu)化問題?！皥D”是物體反射或透射的分布，“像”是人的視覺系統(tǒng)所接受的圖在人腦中所形成的印象或認(rèn)識 [23]。 G = (Vex, Eag ,Weg ) 表示一個(gè)圖，Vex 表示頂點(diǎn)集合， Eag 表示邊集合，Weg 表示權(quán)值集合， w(vi , v j ) 表示頂點(diǎn)就 i 和 j 上邊的權(quán)值。（ 3）加權(quán)圖從實(shí)際問題中抽象出來的圖中頂點(diǎn)和邊上往往都包含有一定的信息?？梢园褕D 中的無向圖表 示 為 如 下 形 式 ， G = G(Vex, Eag ) ，Vex = {v1, v2 , v3 , v4 , v5 , v6} ，Vag = {v1v2 , v1v4 , v1v6 , v2v3 , v2v4 , v3v4 , v4v5 , v5v6} 。通常情況下，人們在運(yùn)用圖時(shí)常常給圖中的邊賦予一定的數(shù)值，這種圖為加權(quán)圖。 圖的含義及表示圖是關(guān)系的一種數(shù)學(xué)表示。通過實(shí)驗(yàn)結(jié)果，驗(yàn)證了本章算法的實(shí)用性。其次，提出了一種改進(jìn)的基于圖論的MinMax Cut 準(zhǔn)則的組合優(yōu)化算法，該算法把傳統(tǒng)的基于 MinMax Cut 準(zhǔn)則圖像分割方法，應(yīng)用到閾值圖像分割中，大大節(jié)約了算法的實(shí)現(xiàn)時(shí)間和空間，同7時(shí)也取得了較好的分割效果。因此對這方面的研究有著極其重要的理論意義和現(xiàn)實(shí)意義。為了辨識和分析目標(biāo)，才有可能對目標(biāo)進(jìn)一步利用。這種結(jié)合后的圖像分割方法具有一定的優(yōu)勢。所以，設(shè)計(jì)一個(gè)適用性很好的圖像分割算法仍然是一個(gè)很有挑戰(zhàn)性的事情。造成這種局面的主要原因，主要是因?yàn)橐韵氯齻€(gè)方面[16]：（1）由于現(xiàn)實(shí)生活中，圖像的種類復(fù)雜，使得人們在研究對圖像進(jìn)行分割5時(shí)，在對算法進(jìn)行設(shè)計(jì)時(shí)，都有時(shí)針對某類圖像的，而沒有考慮其他的圖像。圖論、小波分析和小波變換、模糊理、神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集理論、數(shù)學(xué)形態(tài)學(xué) [1315]等以近年來發(fā)展迅速的灰色系統(tǒng)理論等數(shù)學(xué)工具的利用，為圖像分割提供了更多的選擇，并且針對不同的圖像有效地改善了分割效果。無論是合并運(yùn)算還是分裂運(yùn)算，都可以很好的將分割深入到像素級，因此在圖像分割的精度上有較高的保障。（3） 基于區(qū)域的分割區(qū)域的分割法在傳統(tǒng)意義上可以分為分裂合并和區(qū)域生長兩種基本形式。多閾值分割則需要選擇多個(gè)閾值，把整個(gè)灰度范圍劃分成幾個(gè)段，屬于每個(gè)段內(nèi)的象素成為一類，這樣就將圖像劃分成多個(gè)灰度不同的區(qū)域。常用的邊緣修正的方法有相位編組法、啟發(fā)式連接和層次記號編組法等。串行邊緣檢測技術(shù)的基本原理是先是檢測出一個(gè)邊緣起始點(diǎn)，然后利用一定的相似性準(zhǔn)則來尋找與前一點(diǎn)客歸屬為同一類的邊緣點(diǎn)，這種通過根據(jù)后繼相似點(diǎn)查找同類的方法又稱之為跟蹤。2（1） ∪ Ai = Ai i 圖像分割的分類作為一個(gè)非常具有挑戰(zhàn)性的圖像處理技術(shù)，圖像分割的研究歷史已經(jīng)有幾十年了。 圖像分割的數(shù)學(xué)定義基于上述圖像分割的條件，可以把圖像分割做如下形式化的定義 [3]：把圖像的像素點(diǎn)集合用一個(gè)有序集合 A 來表示，同時(shí)把具有相同性質(zhì)的謂詞用 H 來表示，這樣的話，就可以把 A 分割成為若干個(gè)有序非空子集 A1, A2 , A3子集要滿足如下條件：ni =1（2） Ai ∩ Aj = 246。因此圖像分割后的效果的好壞與否將會直接地影響下一步的圖像處理的結(jié)果，甚至?xí)绊懙膱D像處理后的最終結(jié)果。（保密的學(xué)位論文在解密后適用本授權(quán)書）學(xué)位論文者簽名：石美導(dǎo)師簽名：胡敏簽字日期：2011 年4 月29 日簽字日期：2011 年4 月29 日學(xué)位論文作者畢業(yè)后去向：工作單位：通訊地址：電話：郵編：第一章緒論 圖像分割概述視覺系統(tǒng)是人類感知外部世界的主要途徑之一，它在人類認(rèn)識外部世界過程中發(fā)揮著重要的作用，而在視覺系統(tǒng)中，人類在感知周圍的信息時(shí)，往往是通過自己所看到圖像來反映的，因此圖像是人們獲取外部信息的一種重要的途徑。pepper 噪聲 cameraman 圖片及其分割結(jié)果 .................................. 24圖 加了 saltamp。該方法采用NormalizedCut準(zhǔn)則劃分測度作為劃分目標(biāo)和背景的閾值分割準(zhǔn)則，并在圖權(quán)計(jì)算公式中，增加了像素點(diǎn)與其鄰域的空間相關(guān)信息，以提高算法的抗噪性?；趫D論的閾值化圖像分割方法研究摘要圖像分割是圖像處理與計(jì)算機(jī)視覺領(lǐng)域低中最基礎(chǔ)和重要的領(lǐng)域之一，是圖像進(jìn)行視覺分析和模式識別的基本前提。實(shí)驗(yàn)結(jié)果表明，該方法具有很強(qiáng)的抑制噪聲能力。pepper 噪聲 image 圖片及其分割結(jié)果 .......................................... 25圖 對稱矩陣 M 的示意圖..................................................................................... 31圖 本章算法流程圖 ............................................................................................... 34圖 原 man 圖片 ....................................................................................................... 35圖 本章分割結(jié)果 .................................................................................................... 35圖 方法的分割結(jié)果 ....................................................................................... 35圖 方法的分割結(jié)果..................................................................................... 35圖 方法的分割結(jié)果 ..................................................................................... 35圖 Yanowitz 方法的分割結(jié)果 ................................................................................ 35圖 方法的分割結(jié)果 ................................................................................... 36圖 Pal 方法的分割結(jié)果 ....................................................................................... 36圖 原 lina 圖片圖 .................................................................................................. 36圖 本章方法的分割結(jié)果 ...................................................................................... 36圖 Pikaz 方法的分割結(jié)果 .................................................................................... 36圖 Kit tler 方法的分割結(jié)果................................................................................. 36圖 Kapur 方法的分割結(jié)果圖 .............................................................................. 37圖 Yanowitz 方法的分割結(jié)果 .............................................................................. 37圖 Ramesh 方法的分割結(jié)果圖 ............................................................................ 37圖 Pal 方法的分割結(jié)果 ....................................................................................... 37圖 無噪下本章 man 結(jié)果 ..................................................................................... 38圖 無噪下第三章 .................................................................................................. 38圖 有噪下本章 man 結(jié)果 ..................................................................................... 38圖 有噪下第三章 man 結(jié)果圖 ............................................................................. 38插表清單表 man 圖在不同 saltamp。通過研究發(fā)現(xiàn)，人們在感知自己周圍的圖像時(shí)，感興趣的往往只是其中的某些部分，而非整個(gè)圖像的全部。作為圖像處理領(lǐng)域的前提條件和基礎(chǔ)，圖像分割在圖像處理領(lǐng)域中至關(guān)重要的作用，也決定了它的發(fā)展備受人們的關(guān)注。 , ?i, j, i ≠ jAn ，這些（3） H ( Ai ) = True, ?i, i = 1, 2,n（