作者姓名   XXX

学号

指导教师    XX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

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一个备受关注的研究分支，也是图像处理领域的一个经典难题。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，但是目前还没有一个通用的算法或标准能够胜任所有不同的应用，该问题也没有形成一个通用的自身理论。

我通过学习和实践经典的图像目标分割与提取的算法，对这一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，想找出一种通用的技术或方法是很困难的。每一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一大进步。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。不但对数字图像目标分割与提取邻域的基本理论和基本知识有了较为全面的了解，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一步的巩固，同时自己的编程能力也得到了一定程度的提高。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。

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。

参 考 文 献

1  夏得深，傅德胜.现代图像处理技术与应用.东南大学出版,2001

2  K.R.Castleman. 数字图像处理.电子工业出版社,1998

3  冈萨雷斯.数字图像处理(MATLAB版).电子工业出版社,2005

4  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 2002 (9) 888-893

5  潘晨,顾峰.基于3D直方图的彩色图像分割方法.中国图像图形学报 2002 (8) 800-805

6  李宏贵,李兴国.一种基于函数的图像边缘检测算法.中国图像图形学报 2003(2) 188-192

7  J. Shi and J. Malik.“Normalized cuts and image egmentation”.Proc. of CVPR, p. 731-37, 1997

8  W.Y. Ma and B.S. Manjunath.“Edge flow: a framework of boundary detection and image segmentation”.Proc. of CVPR, pp 744-49, 1997

9  S. Belongie, et. al.“Color- and texture-based image segmentation using EM and its application to content-based image retrieval”. Proc. of ICCV,p. 675-82, 1998

10  G.Kuntimad and H.S.Ranganath.“Perfect ImageSegmentation Using Pulse Coupled NeuralNetworks”.IEEE trans. on NeuralNetworks,Vol.10,No.3, 1999

11  孙祥，徐流美，吴清.MATLAB 7.0 基础教程.清华大学出版社，2005

12  WU Z , LEAHY R .An op timal graph theoretic app roach to data clustering: theory and its app lication to image segmentation [ J ].IEEE Transactions on Pattern Analysis and Machine Intelligence,1993, 15 (11) : 1101 – 1113

13  SH I J, Malik J. Normalized Cuts and Image Segmentation[A ]. Pro2ceedings of IEEE Conference on ComputerVision and Pattern Recog2 nition[C ], 1997. 731 – 737

14  WANG S , SISKUND JM. Image segmentation with ratio cut [ J ] .IEEE Transactions on Pattern Analysis and Machine Intelligence,2003, 25 (6) : 675 – 690

15  GRADYLJ . Space 2Variant ComputerVision : A Graph 2Theoretic App roach[D ]. Boston University, 2004

16  S Wang，J M Siskind．Image segmentation with ratio cut[J]．IEEE Trans

on PAMI，2003；25(6)：675~690

17P Soundararajan，S Sarkar．Analysis of Mincut，Average Cut，and Normalized Cut Measures[C]．In：Proc 3rd Workshop Perceptual Organizationin Computer Vision，2001

18  A Ng，M Jordan，Y Weiss．On spectral clustering：Analysis and an

algorithm．In Advances in Neural Inform ation Processing Systems 14，

Cambridge，MA，MIT Press，2002

19  l7_J Keuchel。C Sehnorr．Efficient Graph Cuts for Unsupervised Image Segmentation using Probabilistic Sampling and SVD—based Apprnximation[C]．In：3rd International Workshop on Statistical and Computational Theories of Vision at ICCV，Nice(France)，2003

20  S Belongie，C Fowlkes，F Chung et a1．Spectral partitioning with in—

definite kernels using the Nystrom extension．In ECCV(3)，2002：531~542

21  L J Grady．Space—Variant Computer Vision：A Graph—Theoretic Ap—

proach[D]．博士学位论文．Boston Univ，2004

22  Y Boykov，V Kolmogorov．An experimental comparison of min—cut／

max—flow algorithms for energy minimization in vision[J]．IEEE Trans

on PAMI，2004；26(9)：1124~1137