图像分割是将图像分成各具特性的区域并提取出感兴趣目标的过程,该技术广泛应用于医学、图像处理、军事、体育、遥感、智能交通、产品检测、网络以及计算机视觉等领域。近年来基于图论的图像分割技术,由于其良好的分割特性成为国际上一个新的研究热点。该技术的主要特点是:基于图像特性与图论特性之间存在的良好的对应关系,可以将图像的全局分割与局部信息处理相结合,可减少由于图像离散化造成的误差,从而可获得良好的分割结果。目前有多种基于图论的图像分割技术和方法,其中,图切割技术以其能量最优化而最引人注目。本文围绕基于图论的图像分割特性及应用展开研究,重点研究了基于图切割对静态图像和运动目标进行自动分割的方法,并研究了图切割与水平集图像分割技术的结合问题。本文的主要工作和贡献如下:1、分析了基于图论的图像分割技术及应用的研究范围,给出了基于图论的图像分割技术研究的基本框架,研究了在图像分割中图论特性与图像特性的对应性,对现有的基于图论的图像分割方法进行了分析和分类。2、针对现有基于图切割的图像分割中人工参与和模型估计不足的问题,提出了一种基于像素间相似性采用图切割对图像进行自动分割的GCB-SBP算法。该算法利用图像像素间特征信息的差值表征相似性,在能量函数的建立中采用了一种自动初始化方式将图像划分为内外区域,数据项设置为像素归属这两个区域的惩罚,而这种惩罚根据像素与区域内每个像素的相似性之和自动计算。该算法通过对相似性计算的处理和对能量函数中光滑项的合理设置,获取了快速而良好的图像分割结果。3、针对图切割应用于运动目标分割问题,提出了一种基于阈值和差分对运动目标进行自动分割的GCB-TAD算法。该算法利用阈值参数和减除法获得的图像运动信息自动建立能量函数中的数据项,加之对背景的处理和阴影的消除,使得该算法可以较好的对运动目标分割。另外,针对图切割在运动目标分割中快速实现问题,提出一种快速处理算法GCB-FP。该算法利用背景相对不变的的特点,减少从图像(或序列)到网络图结点的映射,降低2D图切割或3D图切割的复杂性。4、针对图切割与水平集两种图像分割技术的优势互补,做了两方面的研究:(1)基于图像的边缘信息,提出一种将GCB-AC算法与无需重新初始化水平集算法相结合的GCB-AC+LS算法。该算法可利用图切割的特点方便的设置初始轮廓和对结果交互修改,利用水平集拓扑变化的自适应性驱动主动轮廓深化分割;(2)基于图像的区域信息,提出一种将图切割与基于水平集的C-V模型结合的GC-CV模型,运算速度提高。另外,针对GC-CV模型,提出了其在运动目标和静态图像中的自动分割算法。5、对几种主要的基于图论的图像分割算法进行了比较,提出了将随机游走与均值漂移结合的算法,使得交互更容易和有目的性,并对等周算法在图像分割中的应用进行了研究。