图理论的图像分割方法综述

图像分割是计算机视觉中的一个基本问题。 尽管进行了多年的研究,但是通用图像分割仍然是一项非常具有挑战性的任务,因为分割本质上是不适当的。 在不同的分割方案中,图论的分割方案在实际应用中具有几个良好的特点。 它将图像元素显式地组织成数学上合理的结构,并使问题的表达更加灵活,计算效率更高。 在本文中,我们对图像分割的图论方法进行了系统的调查,其中的问题是根据将图划分为几个子图来建模的,以便每个子图代表图像中有意义的有意义的对象。 这些方法以统一的符号分为五类:基于最小生成树的方法,具有成本函数的基于图割的方法,基于马尔可夫随机场模型的基于图割的方法,基于最短路径的方法以及其他不属于该方法的方法这些课程中的任何一个。 我们为每种方法类别提供了动机和详细的技术说明。 通过使用五个指标进行定量评估-概率兰德(PR)指数,归一化概率兰德(NPR)指数,信息变异(VI),全局一致性误差(GCE)和边界位移误差(BDE)-在某些代表性自动装置上和交互式细分方法。