| 主权项 |
一种基于Ising图模型的图像分割方法，其特征在于包括以下步骤：①对待分割的图像进行归一化预处理；②构建归一化处理后的图像对应的平面的Ising图模型，记为G(v,ε)，其中，v表示G(v,ε)中的节点，ε表示G(v,ε)中的边，归一化处理后的图像中的像素点与G(v,ε)中的节点一一对应，G(v,ε)中的每个节点有且仅有两种状态，状态值为0或1；③计算G(v,ε)中所有相邻节点之间的边的权值能量，将G(v,ε)中相邻的第i个节点和第j个节点之间的边的权值能量记为Eij，Eij=a×Disagreementij+b，其中，a为负相关系数，a<0，b为偏置量，b>0，Disagreementij表示G(v,ε)中相邻的第i个节点和第j个节点的差异度，Disagreementij=|featurei‑featurej|，featurei表示G(v,ε)中的第i个节点的灰度信息或颜色信息或纹理信息，featurej表示G(v,ε)中的第j个节点的灰度信息或颜色信息或纹理信息，在此，featurei和featurej都是灰度信息，或都是颜色信息，或都是纹理信息，“||”为绝对值符号，1≤i≤n，1≤j≤n，n表示G(v,ε)中包含的节点的总个数；④将G(v,ε)中的割边集合定义为C(y)，C(y)={(i,j)∈ε:yi≠yj}，然后根据C(y)计算G(v,ε)的系统总能量，为E(y)，E(y)=w(C(y))，其中，(i,j)表示G(v,ε)中的第i个节点与G(v,ε)中的第j个节点之间的边，y表示G(v,ε)中所有节点的状态，y∈{0,1}n，yi表示G(v,ε)中的第i个节点的状态值，yi∈{0,1}，yj表示G(v,ε)中的第j个节点的状态值，yj∈{0,1}，w(C(y))表示G(v,ε)中所有割边的权值能量之和；⑤构建G(v,ε)对应的对偶图，记为G'(v',ε')，其中，v'表示G'(v',ε')中的节点，ε'表示G'(v',ε')中的边，G'(v',ε')中的边与G(v,ε)中的边一一对应；再构建G'(v',ε')对应的扩充对偶图，记为G*(v*,ε*)，其中，v*表示G*(v*,ε*)中的节点，ε*表示G*(v*,ε*)中的边；⑥采用blossom‑shrinking算法计算G*(v*,ε*)的最大权值完美匹配，再根据G*(v*,ε*)的最大权值完美匹配计算G(v,ε)的最小权值割，G*(v*,ε*)的最大权值完美匹配与G(v,ε)的最小权值割互补；⑦将G(v,ε)的最小权值割对应的各个节点的状态值作为归一化处理后的图像中与各个节点相对应的各个像素点的标签，将归一化处理后的图像中标签值为0的像素点判定为图像的背景像素点，将归一化处理后的图像中标签值为1的像素点判定为图像的前景像素点。 |
