1、圖像分割在整個圖像工程學領(lǐng)域中占有十分重要的地位，并在計算機視覺、模式識別和人工智能領(lǐng)域中得到了廣泛的應(yīng)用。本文在經(jīng)典Mean Shift、Grab Cut、Ncut算法的基礎(chǔ)上做了大量的研究,提出了基于區(qū)域合并的Mean Shift算法、基于二次分水嶺預(yù)分割的Grab Cut算法和基于Mean Shift預(yù)分割的Ncut算法。本文詳細的分析了基于概率密度梯度函數(shù)估計的Mean Shift算法、基于能量最小化的Grabcut算法的基本原

2、理和算法理論、基于規(guī)范割集準則的Ncut算法的基本原理和算法理論，并在每個算法所對應(yīng)的章節(jié)的最后給出了相應(yīng)算法以及改進算法的仿真結(jié)果。此基礎(chǔ)上，提出各自對應(yīng)的相應(yīng)改進算法，具體改進如下：
　　1).本文針對經(jīng)典Mean Shift算法在對圖像進行分割時往往會產(chǎn)生過分割的現(xiàn)象這一缺陷，提出了一種基于區(qū)域合并的改進Mean Shift算法。該算法首先會采用經(jīng)典Mean Shift得到初始分割結(jié)果，再通過本文給定的合并準則對過分割的結(jié)果

3、進行區(qū)域合并，從而消除過分割的現(xiàn)象并得到良好的分割結(jié)果。
　　2).經(jīng)典Grab Cut算法具有如下兩個缺陷：①分割效率較低；②前景與背景差異性不明顯時，分割效果不完整。本文針對上述缺陷提出了基于二次分水嶺預(yù)分割的改進Grab Cut算法。該算法首先采用二次分水嶺對圖像進行預(yù)分割，并以預(yù)分割所形成的像素塊替代原圖像中的像素點構(gòu)成圖，最后采用Grab Cut進行迭代分割。
　　3)經(jīng)典Ncut算法具有如下兩個缺陷：①需要求解特

4、征向量和特征矩陣，因而計算量偏大；②抗噪聲干擾能力不足。本文針對上述缺陷提出了基于Mean Shift預(yù)分割的改進Ncut算法。該算法首先采用Mean Shift對圖像進行預(yù)分割，并以預(yù)分割所形成的像素塊替代原圖像中的像素點構(gòu)成圖，最后采用Ncut算法進行分割。
　　實驗結(jié)果表明：①本文改進的Mean Shift算法可以消除過分割的現(xiàn)象并得到良好的分割結(jié)果；②本文的改進Grab Cut算法一方面由于預(yù)分割所形成的像素塊的數(shù)目遠小于