为了提高有雾视频的可用性，针对视频增强的需求，基于图像去雾的物理模型，利用视频相邻帧间的信息冗余性，提出了基于光流法的视频去雾方法；对视频中亮度变化以及光流法误差引起的去雾对象边界不平滑的问题，通过引入时间域和空间域能量函数，对待处理视频进行时空一致性约束。实验证明：对于定点拍摄的视频数据，使用时空一致性优化的视频去雾算法能够增加帧间稳定性，获得较为理想的去雾结果。

使用sift特征提取目标物与目标图片的特征点，进行匹配，从而找出目标物在图片中的范围，将该范围作为矩形区域传入grabcut函数，同时将匹配特征点作为前景点传入grabcut函数，进行图像分割。实验结果显示出不错的图像分割结果。

SIggraph 2004 论文“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts 的源代码。

HiCuts is the first decision tree-based packet classification algorithm. It takes the geometric view of the packet classification problem.

针对传统GrabCut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息，当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误，以及基于像素的运算导致分割效率不高的问题，提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割，构建区域邻接图；然后对每个区域进行颜色和纹理特征的提取，通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联，采用自适应参数将纹理约束项引入能量函数，并将改进算法应用于人脸图像分割，有效改善了分割效果。实验结果表明，该算法分割结果更加准确，效率更高。

针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法。该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度。在公开的ADE20K数据集中选取图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度优于其他对比算法,且效率较高。对前景与背景相似度高的图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度明显高于GrabCut算法。

这是一个用Grabcut算法写的简易的图像分割系统的主要界面代码，编程语言为python，能实现图像前景与背景的分离，效果很好。

自己实现的 基于元胞自动机的GrowCut算法中的 种子点的选取的matlab程序

图像处理 matlab&C++ Growcut算法

外文论文一篇，基于细胞自动机的图像分割 以及我根据此写的代码