1、“.....两像素之间的距离越近则其相似度也越大。另外，文献定义了如下两个权函数为上述权函数仅考虑了像素之间的灰度关系，没有考虑其空间关系。相似度矩阵度矩阵及拉普拉斯矩阵图论分割算法常把所定义的最优割集准则转化为求解相似度矩阵或拉普拉斯矩阵的特征值及特征矢量问题。相似度常用或表示，有时也称亲和力矩阵。将原图像中的像素从左到有单行排列并作为相似度矩阵的行序列及列序列，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......”。

2、“.....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，基于图论的图像分割方法的研究主要集中在以下几个方面最优剪切准则的设计谱方法用于分割快速算法的设计其他图论分割方法。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......”。

3、“.....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。但由于其涉及的理论知识较多，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......”。

4、“.....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地方，而物体间的边界指的是现实场景中的存在与物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实中的物体是三维的，而图像只具有二维信息，从三维到二维的投影成像不可避免的会丢失部分信息另外成像的过程中的光照和噪声也是不可避免的重要因素。正是因为这些原因......”。

5、“.....目前研究者们正在试图在边缘提取中加入高层的语义信息。由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这既具有广阔的应用前景又具有重要的学术价值的课题的进步研究，也必将成为个更为独立和活跃的研究领域。基于图论的图像分割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，在此，有必要先介绍下基于图论分割的些基本知识。基本知识图的最优划分准则令图图被划分为两部分，且有，，节点之间的边的连接权为则将图划分为，两部分的代价函数为，使得上述剪切值最小的划分，即为图的最优二元划分这划分准则称为最小割集准则......”。

6、“.....像素之间的连接权为则将图像二值划分为两个集合区域，的代价函数为，对于幅图像，使得上述代价函数最小的划分即为图像的最佳分割。权函数权函数般定义为两个节点之间的相似度。在基于图论的图像分割方法中常见的权函数有如下形式上式权函数中，对于灰度图像，的值为像素的直接影响对图像的理解。图像分割方法的发展和现状分割问题的困难在于图像数据的模糊和噪声的干扰。前面已经提到，到目前为止，还没有种或者几种完善的分割方法，可以按照人们的意愿准确的分割任何种图像。实际图像中景物情况各异，具体问题具体分析，需要根据实际情况选择适合的方法。分割结果的好坏或者正确与否，目前还没有个统的评价判断准则，分割的好坏必须从分割的效果和实际应用场景来判断。不过在人类研究图像的历史中，还是积累了许多经典的图像分割方法......”。

7、“.....但是这些方法却是图像分割方法进步发展的基础。事实上，现代些分割算法恰恰是从经典的分割方法衍生出来的。早期的图像研究中，图像的分割方法主要可以分为两大类。类是边界方法，这种方法的假设是图像分割结果的个子区域在原来的图像中定会有边缘存在类是区域方法，这种方法的假设是图像分割结果的子区域定会有相同的性质，而不同区域的像素没有共同的性质。这两种方法都有缺点和优点，有的学者也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中。研究背景与意义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。因为在目标分割与提取过程中可以利用大量的数字图像处理的方法......”。

8、“.....都吸引了众多研究者的注意。相信对这问题的深入研究不仅会不断完善对这问题的解决，而且必将推动模式识别计算机视觉人工智能等计算机科学分支的发展。图像分割和边缘检测的问题在近二十年中得到了广泛的关注和长足的发展，国内外很多研究人士提出了很多方法，在不同的领域取得了定的成果。但是对于寻找种能够普遍适用于各种复杂情况的准确率很高的分割和检测算法，还有很大的探索空间。边缘提取和分割是图像分析的经典研究课题之，目前的理论和方法仍存在许多不足之处，仍在不断改进和发展。需要说明的是边缘与物体间的边界并不等同，边缘指的是图像中像素的值有突变的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，数字图像目标分割与提取在不同领域取得了很大发展......”。

9、“.....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......”。