在立体匹配问题中，基于3D标签的算法可以取得更高精度的亚像素视差图。针对3D标签的随机初始化问题，提出一种基于超像素结构与三角剖分的标签初始化方法。利用基于超像素边界提取到的特征点构建三角剖分，生成初始3D标签；针对图割算法迭代优化3D标签时效率的问题，在超像素结构上利用图割算法进行全局优化3D标签，迭代中加入对当前标签状态的假设扩展标签候选，提升了标签搜索效率。在Middlebury2014数据集上对方法进行验证，实验结果表明，所提方法的平均误匹配率（8.31%）低于LocalExp算法的平均误匹配率（8.39%），并且处理单幅图像耗费的平均时间约为LocalExp算法的70%。

由于室内场景中存在对象种类多样、物体几何信息复杂、物体密集问题,故室内场景结构重建存在着很大的挑战。首先,以“结构分析”为主线,利用改进的随机抽样一致(RANSAC)算法和均值漂移算法检测出房间布局的粗略划分。然后,在将初步划分结果转化为无向图的基础上,利用图割算法得到了房间布局的细分结果。最后,将重建的墙壁、地面与天花板信息相结合,完成了室内场景布局的总体重建。实验结果表明,利用改进后的算法和所提方法得到的重建结果更加准确、效果更好。

针对当前去雾算法未考虑交通监控图像中雾气浓度分布不均匀的问题, 提出了波长相关物理成像模型的去雾算法.首先, 根据波长与雾气浓度的相关性, 构建了适用于交通监控图像的波长相关物理成像模型.然后, 根据波长与颜色的相关性, 设计出基于最大模糊相关图割的透射率估计算法.考虑到灰度值存在交叉重叠的模糊特性, 及景物的空间相关性, 利用递推的最大模糊相关算法快速获取景物划分信息, 并用此信息设计图割的数据项, 实施图割.该策略将基于阈值的分割算法与基于空间相关性的图割算法相结合, 确保了景物的空间相关性, 提高了分割精度, 避免白色目标的误分.最后, 通过分割结果中的天空区域, 准确地计算大气光, 实施去雾.在500幅仿真图像及真实图像上的测试结果表明, 该算法较已有去雾算法的去雾精度至少提高7%, 运行时间至少缩短了约15%, 可用于交通监控系统的图像去雾处理中.

为了识别植被场景中的叶片和相邻障碍物,提出了一种三维激光雷达的目标检测算法。以雷达点云中的相邻点构建邻域特征,提取新的特征参数作为判别依据,采用期望最大算法求得混合高斯模型以表征特征参数的分布情况;最后,利用马尔可夫随机场建立先验模型,在最大后验概率框架下采用图割法进行求解,得到最优目标函数。该算法已成功应用于无人驾驶平台。研究结果表明,该算法能有效地识别叶片及其邻接障碍物,可以清楚地分辨障碍物边界。与传统算法相比,该算法具有更高的稳健性和准确率,且其实时性满足实际应用的需求。

合成孔径雷达(Synthetic Aperture Radar, SAR)图像是遥感目标检测与分割等研究的重要数据源。提出了一种渐进核图割分割方法, 该方法通过迭代进行二类聚类分割, 自动实现合成孔径雷达SAR图像中多目标的分割。实验结果表明, 该方法能够有效地实现复杂场景SAR图像的多目标分割。

考虑现有图割算法没有充分考虑红外图像的模糊特性, 分割精度和运行效率低的缺点, 提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能, 基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率, 引入时间复杂度为O(n2)的递推算法, 将模糊熵计算转化为递推过程, 并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域, 利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能, 从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间, 错分率, F指标的量化分析。结果表明：该算法分割精度F值高达95%, 运行时间较其他常用算法至少缩短了72%, 基本满足自动红外图像分割对精度、效率和鲁棒性的要求。

为了准确检测视频中的遮挡区域，提出一种融合多特征基于图割的视频遮挡区域检测方法。基于光流和亮度信息提出三种新的遮挡相关特征—亮度块匹配特征、最大光流差特征和光流残差特征，并定义了所提特征的计算方法。以像素点为单位将所提特征组成特征向量输入随机森林分类器，获取像素点及邻接像素点对的遮挡相关信息。综合利用所获取的遮挡相关信息，通过构造遮挡检测能量函数将遮挡检测问题转化为优化问题。根据该能量函数构造无向图，并基于图割理论对能量函数进行求解，从而得到最终的遮挡区域检测结果。实验结果表明，同现有表现较好的遮挡检测方法相比，所提方法具有较高的准确性和较好的实时性。

基于暗原色先验规律的图像去雾算法在进行暗原色通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终去雾效果细节不清晰和在较远景深场景模糊的现象。采用基于图论的分割算法来确定取暗原色通道的区域,能根据景深的变化自适应地改变区域大小,避免了固定区域求取暗原色的带来的介质透射率估计不合理问题。通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度。

传统的视频运动目标图切检测算法基于低阶马尔科夫随机场, 能量函数的低阶近似无法准确描述图像像素的空间相关性, 导致图切检测结果过度平滑。本文提出一种基于高阶欧拉弹力模型的图切检测算法, 利用欧拉弹性模型优化目标边界曲线和修正能量函数的低阶近似。算法通过利用前一帧图像的检测结果, 对当前帧图像运动目标像素点数和前景背景邻接像素对数进行卡尔曼预测, 并不断自适应调整当前帧的图像模型参数, 实现了视频运动目标的连续全局优化检测。实验结果验证了欧拉弹力模型在视频运动目标检测中的有效性, 其检测结果能够更好地满足人的视觉效果。