1. 研究目的与意义及国内外研究现状

在1971年，zahn[4]第一次把图像聚类和分割问题替换成图论中最小生成树方面的问题，根据不同图像其视觉特征不同，借鉴其它学科的理论和方法,同时将图像所应用的领域和实际情况的不同考虑在内,对不同的图像进行有效的分割,从而形成了如今的这个复杂且庞大的图像分割算法体系。这个体系中的各个算法，在相互叠加和交叉的同时，相互促进共同发展，各自有着各自独特适合的应用领域和实际环境，同时也有着各自的优缺点。

本文所涉及随机游走的算法，是一种基于图论的交互式图像分割方法，本身需要被标识出图像背景像素和前景像素两种来结合对自身进行分析。这种方法对有些灰度特征的图像分割结果反响好，例如医学领域的影像。但当涉及到彩色图像时，由于彩色图像本身的前景和背景差异模糊，这样一来传统的随机游走算法的效果就比较差，运行速度和计算的冗余度都大大的提高。如果能够进一步的提高对于彩色图像的计算速度以及分辨的准确性，那么随机游走算法本身就可以得到进一步的深入和提高。

国内外研究现状

在图像分析的领域之中，图像分割是占比例较重的分析技术之一，好的图像分割技术促进更加深入的图像理解，这种技术在遥感，医学，军事和交通等不同领域都有着广泛的应用和很高的实用价值，在有对原始图像进行预处理的图像分割成果作为基础后，才能提取待研究图像的特征信息和各种参数（灰度，颜色，纹理等）。计算机技术正日新月异地发展,大众开始慢慢转向利用计算机帮助人类提取与处理视觉信息。人类靠自身是可以轻松的获取外界目标的信息，但是让计算机模拟人类视觉来处理外界信息这一工作一直保持着很大的挑战性，这一方面也一直是图像分割方法探索的热门信息。

2. 研究的基本内容

本文主要对基于随机游走算法的图像分割方法进行分析，依照国内外广大学者先前的研究成果，首先从传统从灰度特征角度来对图像分割的方法进行阐述，着力于减少计算量，避免冗余，提高计算效率，缩短分割过程的时间，从而提高分割本身的可靠性和准确性。然后提出运用纹理特征的提取来进行相关随机游走算法的图像分割理论，并进行实验分析。

3. 实施方案、进度安排及预期效果

方案和进度：

1．2016年01月10日前，搜集论文资料并阅读，撰写开题报告。

2．2016年01月22日前，提交开题报告，进入数据处理分析阶段。

4. 参考文献

[1]ellis w d.asourcebook of gestalt psychology [m]. michigan: humanities press,1967.

[2]camilus k s,govindan v k.a review on graph based segmentation[j]. i. j. image, graphics and signal processing, 2012-05-01,1-13.

[3]王梅. 随机游走图像分割算法的研究[d]. 北京：北京工业大学工学硕士学位论文.2013.