研究

最大流算法统计

对最大流算法历史文献的一个调研

Table: Polynomial algorithms for the max flow problem

研究

Graphcuts 与 Kmeans

研究

从图割到图像分割（三）——多层图图割

完整的了解了图割方法处理图像分割之后，在已有的graphcuts开源代码的情况下，接下来就是自己创作的时间了。

如前面所说，图的构建是很有讲究的，何时采用四邻域，何时采用八邻域，何时采用K近邻，再何时采用全邻域？

这些都是很有讲究的，很多人就是在这上面稍加改动，就能发一些顶级文章。不过确实，通过$Maxflow/Mincut$处理图像时，对图的构造是非常敏感的，哪怕是你改动$Tlink$与$Nlink$的比例，都能产生很大的影响。但敏感归敏感，$Maxflow/Mincut$求取的全局最优解，恰是许多研究或能量优化函数中所梦寐以求的。

研究

从图割到图像分割（二）——图的构造

之前解释了为什么能用最大流最小割算法来做图像分割，其实更为正式的引用，即为众多paper所写的那样，图割其实是用来优化能量函数的，我是从自己的一些体会来写的，因为“能量函数”这东西，太过虚无飘渺，不够直观，不便于理解。

在我了解了为什么能够用过做图像分割后，又有问题困扰我：为什么我们所见到的图构建都是四邻域或八邻域的？为什么不是一个全域图（两两相连）？

这个问题似乎也有很多搞图像分割的大牛注意到了，他们最初或许是在实验中发现四邻域和八邻域已经很好了，但后来他们还是给为什么这样做提供了理论依据

研究

从图割到图像分割（一）——最大流算法

《算法导论》对最大流的介绍是：最大流问题是关于流网络的最简单的问题，它提出这样的问题：在不违背容量限制的条件下，把物质从源点传输到汇点的最大速率是多少？

更多关于网络流的介绍请看网络流wiki

我最初接触最大流问题是在2011年，那时候我大四，刚保研完，去问导师我需要看哪些方面的书，老板说去把《算法导论》图论相关，以及把最大流最小割算法仔细看一遍。

图论算法在众多算法中算是比较复杂的了，首先读入数据需要构建邻接矩阵，然后再进行求解，求解过程显得并不是很直观。当时我对最大流最小割算法本身就不是很明了，更不明白如何可以应用到图像分割中，现在终于有些体会。