1. 研究目的与意义（文献综述）

图像分割是图像处理、模式识别、计算机视觉领域中的关键问题，其分割结果直接影响后期图像分析的准确性。图像分割是把一幅图像分割成各具特性的区域并提取出感兴趣的区域的技术和过程。图像分割在图像与视频检索、手势识别、车辆检测、车牌识别、医学影像分析、目标跟踪等高层视觉应用都有广泛的应用前景。图像分割是进一步进行图像识别、分析和理解的基础，已有许多分割方法但还没有一种普遍适用于各种图像的有效方法。因此，本文基于图割的图像分割方法具有理论意义和应用价值。

伴随计算机与信息技术的飞速发展，人们在生活和工作中会接触到大量的文本、语音、图像、视频等多媒体信息。在各种传播信息的媒体当中，图像是最为直观、内容含量最为丰富的信息载体。如今，数码相机、智能手机、个人电脑已经进入千家万户；远程协助、在线授课、视频会议等也已成为重要的工作方式；机械零件的质量监督与检测、生产流水线上的智能机器人视觉导航等，无不应用了图像处理技术。

图像分割的任务在于，针对特定应用、特定场景，提取出图像或视频中具有价值的前景目标区域，从而获得目标内容的数据信息，以便于后续提取特征，进而做各种各样的基于内容的分析。图像分割具有广泛的应用场景，主要包括但不限于以下应用领域：图像编辑、图像检索、车牌检测、目标跟踪与检测、人脸识别、手势与表情识别、行为分析与识别等。为此，此次毕业课程设计设计了基于windows系统，利用图割理论设计算法编写程序实现图像分割。

2. 研究的基本内容与方案

本次毕设需要学习和研究数字图像处理、数字视频处理原理和方法。在此基础上，完成基于图割的图像分割方法的学习和设计，对算法进行总结和适当创新，在visualstudio2010或matlab编程环境下实现，并对结果进行比较分析。

基于图割的图像分割方法多种多样，主要有：graphcuts，gcbac，grabcut，dynamicgraphcuts，lazysnapping，本次毕设只研究graphcuts这种分割方法，同时与传统图像分割方法(边缘检测法，阈值分割法及基于区域的分割）之一进行图像分割实验结果的对比研究。通过深入研究图割理论涉及的能量最小化理论、网络流理论以及常见的图割方法，完整总结graphcuts进行图像分割的理论框架和实现细节，并对基于graphcuts的图像分割算法进行稍许改进和创新。

本次毕业课程设计对图像分割方法的研究。主要深入研究图像分割方法中的graphcuts算法和一种传统图像分割方法，并在windows7系统的matlabr2014a或者visualstudio2010上进行试验，分析这两种算法对图像分割效果的好坏。在graphcuts算法的实验中展开研究，对改进的graphcuts算法进行研究学习。

3. 研究计划与安排

在综合考虑设计任务之后，设计进度安排如下：

第1-3周：查阅相关文献资料，明确研究内容，了解研究所需掌握的知识范围，完成开题报告。

第4-6周：在电脑上安装设计必备的工具软件，学习和编写基本的图像处理程序，熟练使用。

4. 参考文献（12篇以上）

[1]刘瑞祯,于仕琪.opencv教程.北京：北京航空航天大学出版社，2009.

[2]刘松涛,殷福亮.基于图割的图像分割方法及其新进展[j].自动化学报,2012,06：911-922.

[3]刘松涛，陆斌，王慧丽等.基于精粗交互融合和迭代图割的舰船可见光图像分割方法[j]，光电子激光，2012,23（8）：1609-1615.