1、“.....相似度矩阵中每个元素的值为使用相似度函数计算所得到的值,因此若幅图像尺寸为，则其相似度矩阵元素个数将。将相似度矩阵的每行元素相加。即得到该节点的度，以所有度值为对角元素构成的对角矩阵即为度矩阵，度矩阵常用表示。拉普拉斯矩阵为，在图论分割算法中拉普拉斯为常用的标准矩阵。势函数矢量及谱势函数为代表像素划分归属的指示矢量。其定义为若最终势函数中像素对应的值为则该像素属于集合，若为则属于集合。但实际划分求解得到的结果常为到之间的实数值，此时可用均值聚类等方法进步决定像素的归属。许多图论分割算法将图划分问题转化为求解下述方程的第二小特征矢量问题这里的第二小特征矢量为第二个最小特征值对应的特征矢量，它代表了最佳图划分的个解即势函数，把这特征矢量称为矢量。与特征矢量不定是矢量对应的特征值称为谱。最优割集准则的设计目前......”。

2、“.....通过对以上图论的研究与比较，我们现在应该找出种较好的图像分割的方法，或是得到这种方法的途径。割集准则由式的最优分割准则及式的相似度函数可知，基于图论的最优分割基本原则就是使划分成的两个子图区域内部相似度最大子图之间的相似度最小同时应使得划分的区域尽量避免出现歪斜即偏向小区域分割。割集准则的好坏直接影响到分割结果的优劣。常见的割集准则有。表列出了几种常见的割集准则。其中是种较规范的形式，可以将准则转化为求解矩阵的特征矢量问题是种较新颖的图论分割算法，且运算速度较快，不需要对相似度矩阵进行重构。最优准则的实现有两种方式种是将最优准则转化为求解矩阵方程，另种方法是使用所定义的准则直接进行图缩减。前三种准则的较详细的性能对比参见文献。表几种常见准则的比较准则准则形式准则实现方式特点,树图缩减易倾向于较小的分割,求方程易倾向于较大的分割,求方程当类间重叠较大时易出现歪斜划分求方程后置处理需要花费大量时间......”。

3、“.....可避免划分向短边偏移表示区域的体积,为区域的边界所包含的面积求方程速度较快谱方法谱方法在本质上与图论方法相致此类算法直接对原图像构造亲和力矩阵即相似度矩阵或拉普拉斯矩阵，然后求解矩阵的特征矢量并以此为基础直接或进步构造特征矢量指导分割目前常见的几种谱分割方法见表。其中文献是种较规范较常用的谱分割方法。表几种常见的谱分割方法所用方程主要求解步骤求解最大特征值对应的特征矢量用于指导分割，递归运算求解方程的矢量指导分割，递归运算求解前个特征值对应的特征矢量并合并成矢量，将按行归化等到矢量，计算，通过矩阵指导分割，即,的象素将被分为类,其中特征矢量合并成矩阵，将按行矢量归化得到，然后使用均值方法将的行矢量聚类得到分割结果快速算法的设计从前面的介绍可以看到，图论分割算法用于求解特征向量的实现方法其运算耗费主要在于相似度矩阵的构造，相似度矩阵的元素个数与像素尺寸有着直接的关系，因此快速算法的设计主要集中在对相似度矩阵的采样构造与稀疏处理。另外......”。

4、“.....采样构造相似度矩阵该方法的思想是对原图像进行采样,计等等该机语言都要方便的多。而且它是用语言开发的，其流程控制语句与语言中的相应语句几乎致。这给使用上带来了方便，使我能较快的适应与使用这门语言。内部函数非常丰富的内部函数提供了相当丰富的函数，这些函数解决许多基本问题，如矩阵的输入。在其它语言中比如语言中，要输入个矩阵，先要编写个矩阵的子函数，而语言则提供了个人机交互的数学系统环境，该系统的基本数据结构是矩阵，在生成矩阵对象时，不要求做明确的维数说明。与利用语言或等等高级语言编写数值计算的程序相比，利用可以节省大量的编程时间。这就给用户节省了很多的时间，使用户可以把自己的精力放到创造方面，而把繁琐的问题交给内部函数来解决。除了这些数量巨大的基本内部函数外，还有为数不少的工具箱。这些工具箱用于解决些领域的复杂问题。强大的图形和符号功能具有强大的图形处理功能，它本身带有许多绘图的库函数，可以很轻松地画出各种复杂的二维和多维图形......”。

5、“.....这使得成为技术数据可视化的杰出代表。也开发了自己的符号运算功能，特别是在这方面的功能丝毫不逊色于其他的相关软件，如等等。因此，用户只需要掌握门语言，就几乎可以解决学习和科研中的所有问题，不必再专门学习门符号运算语言。可以自动选择算法在使用其他语言编制程序时，往往会在算法选择上费番周折，但是在里，这个问题将不复存在。的许多功能函数都带有算法自适应能力，它会根据情况自行选择最合适的算法，这样，当使用其他程序时，因算法选择不当而引起的譬如死循环等，在使用时可很大程度避免。程序运行结果程序经过运行输入图片后，可得出结果，下面将待处理的图片与处理后的图片进行对比，以清楚的表现出图像分割图待分割的原图图分割后的图为进行比较，以下是另外图的结果图基于等周图割的图像分割实验结果良好，达到了预期的效果。本科毕业设计说明书论文第页共页结论数字图像目标分割与提取是数字图像处理和计算机视觉领域中个备受关注的研究分支，也是图像处理领域的个经典难题。经过近二十年的不断研究和探讨......”。

6、“.....但是目前还没有个通用的算法或标准能够胜任所有不同的应用，该问题也没有形成个通用的自身理论。我通过学习和实践经典的图像目标分割与提取的算法，对这领域的历史和发展现状有了较为清楚的认识。在现在的研究水平下，想找出种通用的技术或方法是很困难的。每种算法都有其自身的优点和缺点，有其特定的适用范围，因此首先明确研究对象的性质是至关重要的，这样在使用算法时才可以有的放矢。经典的算法虽然在应用上已被新的算法所取代，但经典算法中的很多思想都具有相当重要的价值，它们是新算法研究和提出的基础。基于等周图割的图像分割中的等周算法，是基于图论的图像分割方法研究的产物，它是图像分割算法研究上的大进步。传统的图像分割方法已经不能适用于现在的实际要求，需要与先进的技术结合才能有所突破。但是在同时，这种算法也有着固有的缺点，他们都是针对图像灰度数据进行聚类分割，运算量随图像尺寸增大而增大。通过本次毕业设计，我得到了许多收获......”。

7、“.....在对新知识学习的过程中，自己原有的知识和理论也得到了进步的巩固，同时自己的编程能力也得到了定程度的提高。另外，在毕业设计过程中，我所学的知识得到了系统地整理和运用，这既是对我四年学习的检查，也为我今后在工作上的学习打下了坚实的基础。因为时间仓促，再加上本人水平有限，在毕业设计过程中存在不少不足之处。我将以此为鉴，在今后的学习和生活过程中不断改进。本科毕业设计说明书论文第页共页致谢正值论文完成之际，谨向所有曾给予我鼓励关心和帮助的老师同学朋友表示深深的谢意,我还要感谢我们班以及我们系我所认识的同学，是你们给了我好的环境和鼓励帮助，让我顺利的完成了这次的设计。感谢在我成长过程中所有关心我帮助我的人们。本科毕业设计说明书论文第页共页参考文献夏得深，傅德胜现代图像处理技术与应用东南大学出版,数字图像处理电子工业出版社,冈萨雷斯数字图像处理版电子工业出版社,刘直芳,游胜志等基于多尺度彩色形态矢量算子的边缘检测中国图像图形学报潘晨......”。

8、“.....李兴国种基于函数的图像边缘检测算法中国图像图形学报孙祥，徐流美，吴清基础教程清华大学出版社,。本科毕业设计说明书论文第页共页，博士学位论文清华大学本科生毕业设计题目基于的图像分割算法研究作者姓名学号指导教师教授学科专业计算机科学与技术所在学院计算机学院提交日期引言数字图像处理技术是个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学生理学计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事遥感气象等大型应用中有不断增长的需求。基于图论的图像分割技术是近年来国际上图像分割领域的个新的研究热点。该方法将图像映射为带权无向图，把像素视作节点。利用最小剪切准则得到图像的最佳分割该方法本质上将图像分割问题转化为最优化问题。是种点对聚类方法。对数据聚类也具有很好的应用前景......”。

9、“.....应用也还处在初级阶段。因此国内这方面的研究报道并不多见，本文将对图论方法用于图像分割的基本理论进行简要介绍，并对当前图论方法用于图像分割的最新研究进展进行综述，并着重介绍基于等周图割的图像分割的方法。图像目标分割与提取技术综述图像分割是种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。例如，可以对图像的灰度级设置门限的方法分割。值得提出的是，没有唯的标准的分割方法。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，些分割方法也只是适合于些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解......”。