一种改进的最小最大割算法

最小最大割算法(Mcut)能满足聚类算法的一般准则,但在实际求解过程中,通常把Mcut算法的目标函数松弛转换为标准分割算法(Ncut)的目标函数进行求解,而未充分使用Mcut的聚类性能。为此,利用子空间技术,提出一种改进的Mcut算法(SMcut),设计基于图像分块的SMcut算法(BSMcut),以提高SMcut算法的分割速度。实验结果表明,SMcut和BSMcut算法均具有较好的分割性能,且BSMcut算法的计算复杂度较低。

基于最小最大割算法的阈值分割算法

近年来,建立在图论基础上的谱聚类算法作为一种新型的工具被应用于图像分割。其本质是将图像分割转化为最优化问题,其中的最小最大割算法(Min-max cut)能充分满足聚类算法的准则。算法实现过程中,把最优化准则转化为特征系统进行求解。该实现方法计算复杂,随着图像尺寸的增加,所需存储空间和计算时间复杂度都会增加。在实现最小最大割算法时,用基于灰度级的权值矩阵代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,确定分割的阈值。实验表明,此方法实现的最小最大割算法实现简单、实时性高,具有自动分割等优越的分割性能。