1. 研究目的与意义（文献综述）
图割算法是组合图论的经典算法之一。近年来，许多学者将其应用到图像和视频分割中，取得了很好的效果。视频分割是指对图像或视频序列按一定的标准分割成区域，目的是为了从视频序列中分离出有一定意义的实体，这种有意义的实体在数字视频中称为视频对象。视频分割在很多领域中有非常重要的作用，在视频编码中，基于内容和利用人眼视觉特性的第2代编码技术已经提出，提取视频对象可以很大地提高压缩效率，并为存储和传输提供了便利，在MPEG-4标准和正在制定的MPEG-4标准中提出了基于对象的检索和浏览技术.在互联网领域的WEB技术中，我们需要提取视频对象，以对静止或动态场景进行查询和交互,另外视频分割在模式识别、计算机视觉、视频检索等领域也得到了广泛的应用。图像的分割算法通常利用图像的颜色、灰度、边缘、纹理等空间信息进行分割。图像分割一般是面向特定应用的，其可分为单层次方法和多层次方法。单层次方法通常为基于边缘的方法等。而多层次的方法则得到更好的应用，如分裂合并、形态学方法、小波等方法。由于图像分割方法没有利用视频序列时域特征和其他的信息，故在视频上单独使用图像分割方法不能得到令人满意的分割结果。而通过考虑视频序列的时间相关性，可以提高分割算法的有效性。因此视频分割通常同时利用视频图像在空间和时间轴上的信息进行分割。静止图像的分割算法并不能直接应用于高效的视频分割，但是视频分割算法可以借鉴图像分割算法。
图割作为一种基于图论的组合优化技术,在用来最小化计算机视觉中的能量函数问题上被众多研究者所使用,目前已有许多新技术应用于该领域.RichardSzeliski等人对几种能量函数最小化方法在解的质量和运行时间方面做了比较研究,并指出图割方法的优越性。利用图割方法最小化能量函数可以将图像映射为网络图,图像的特征就可以用图论的方法进行处理.在优化能量函数时,运用图割的方法在二值标号问题中可以得到能量函数的全局最小;在多标号的问题中可以得到带有很强特征的局部最小。图割方法还可以保证能量函数的解收敛到全局最小,且实际效率较高,得到的数值解有很强的鲁棒性。
2. 研究的基本内容与方案
本次毕设需要学会熟练使用matlab软件，并在matlab软件中完成视频处理程序的编写。在此基础上，完成基于图割的视频分割的学习和设计，对算法进行总结和适当创新。
图割可以用于处理图像分割和视频分割，此次毕设只研究视频分割这种情况。在视频分割的情况中，需要将视频分成各具特性的区域并提取出感兴趣目标，还要对目标进行特征提取和参数测量。常用的图像分割技术可划分为四类：特征阈值或聚类、边缘检测、区域生长或区域提取。
本次毕业课程设计对基于图割的视频分割算法的研究，主要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进行视频分割的理论框架与实现细节。为完成此次毕设，首先就要搭建相适应的系统开发平台，在软件环境方面，主要是在windows7系统下进行安装和学习matlab和opencv的使用方法，以便进行实验和验证结果。
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，完成开题报告。
第4-6周：安装必要的工具软件，学习编写图像和视频处理程序。
4. 参考文献（12篇以上）
[1]刘瑞祯，于仕琪编著.opencv教程[m].北京：北京航空航天大学出版社，2009.
[2]yboykov，oveksler，rzabih.fastapproximateenergyminimizationviagraphcuts[j],ieeetransactionsonpatternanalysismachineintelligence,2011.
[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.
[4]薛宾田，冯子亮.基于图割和sobel算子的视频分割算法[j]，四川大学学报（自然科学版），2015,52（2）：281-286.
