1 디지털 영상 처리 기술은 학제간 분야입니다. 컴퓨터 과학 및 기술의 지속적인 발전과 함께 영상 처리 및 분석은 점차 자체 과학 시스템을 형성했으며, 개발 역사는 길지 않지만 각계각층에서 광범위한 관심을 불러일으키고 있습니다. 우선, 시각은 인간의 지각에 있어서 가장 중요한 수단이고, 이미지는 시각의 기초이다. 따라서 디지털 이미지는 심리학, 생리학, 컴퓨터 과학 및 기타 여러 분야의 학자들이 시각 지각을 연구하는 데 효과적인 도구가 되었다. 둘째, 군사, 원격 탐사, 기상학 등 대규모 응용 분야에서 영상 처리에 대한 수요가 증가하고 있습니다.
그래프 이론을 기반으로 한 이미지 분할 기술은 최근 국제적으로 이미지 분할 분야의 새로운 연구 핫스팟입니다. 이 방법은 이미지를 가중치가 부여된 무방향 그래프로 매핑하여 픽셀을 노드로 처리합니다. 최소 전단 기준을 사용하여 이미지의 최적 분할을 얻습니다. 이 방법은 본질적으로 이미지 분할 문제를 최적화 문제로 변환합니다. 포인트 쌍 클러스터링 방법입니다. 또한 데이터 클러스터링에 대한 좋은 응용 가능성을 가지고 있습니다. 그러나 이론적 지식이 많이 포함되어 있기 때문에 아직은 적용 초기 단계이다. 따라서 중국에서는 이 분야에 대한 연구 보고가 많지 않습니다. 본 논문에서는 이미지 분할을 위한 그래프 이론 방법의 기본 이론을 간략하게 소개하고, 현재의 이미지 분할을 위한 그래프 이론 방법의 최신 연구 진행 상황을 검토하고, 이미지 분할에 중점을 둘 것입니다. 등주기적 그래프 컷을 이용한 방법.
2 이미지 객체 분할 및 추출 기술 개요
이미지 분할은 이론 연구와 실제 응용 모두에서 광범위한 관심을 받아온 중요한 이미지 기술입니다. 이미지 분할에는 다양한 방법과 유형이 있습니다. 일부 분할 작업은 모든 이미지에 직접 적용할 수 있는 반면 다른 작업은 특정 범주의 이미지에만 적용할 수 있습니다. 일부 알고리즘은 이미지에서 추출된 정보가 필요하기 때문에 먼저 이미지를 대략적으로 분할해야 합니다. 예를 들어, 이미지의 회색 레벨에 임계값을 설정하여 이미지를 분할할 수 있습니다. 단일 표준 분할 방법이 없다는 점은 언급할 가치가 있습니다. 다양한 유형의 이미지 또는 장면을 분할할 이미지 데이터로 사용할 수 있습니다. 다양한 유형의 이미지에는 해당 분할 방법이 있습니다. 동시에 일부 분할 방법은 특정 유형의 이미지 분할에만 적합합니다. 세분화 결과의 품질은 특정 상황과 요구 사항에 따라 측정되어야 합니다. 이미지 분할은 이미지 처리에서 이미지 분석까지의 핵심 단계입니다. 이미지 분할 결과의 품질은 이미지에 대한 이해에 직접적인 영향을 미친다고 할 수 있습니다.
3 정의 및 분할 방법
효과적인 후속 작업을 위해 이미지를 의미 있는 여러 영역으로 분할하는 기술을 이미지 분할(Image Segmentation)이라고 합니다.
< p>현재, 영상 분할 방법에는 여러 가지가 있는데, 분할 작업 전략으로는 영역 생성 기반 분할 방법, 경계 검출 기반 분할 방법, 영역 생성과 경계 검출의 하이브리드 방법으로 나눌 수 있습니다.