图像分割是计算机视觉中的一个基本问题。 尽管进行了多年的研究，但是通用图像分割仍然是一项非常具有挑战性的任务，因为分割本质上是不适当的。 在不同的分割方案中，图论的分割方案在实际应用中具有几个良好的特点。 它将图像元素显式地组织成数学上合理的结构，并使问题的表述更加灵活，计算效率更高。 在本文中，我们对图像分割的图论方法进行了系统的调查，其中的问题是根据将图划分为几个子图来建模的，以便每个子图代表图像中有意义的感兴趣对象。 这些方法按照统一的符号分为五类：基于最小生成树的方法，具有成本函数的基于图割的方法，基于马尔可夫随机场模型的基于图割的方法，基于最短路径的方法以及其他不属于该方法的方法这些课程中的任何一个。 我们为每种方法类别提供了动机和详细的技术说明。 定量评估是通过使用五个指标进行的-概率兰德（PR）指数，归一化概率兰德（NPR）指数，信息变化（VI），全局一致性误差（GCE）和边界位移误差（BDE）-在某些代表性自动装置上和交互式细分方法。

在这封信中，我们提出一种概率测度，以评估具有多个基本事实的机器分割。 该措施旨在自适应地评估从分段中提取的结构信息。 这会在分割的每个点上引起局部相似性评分，然后可以按照原则上的信息论方法将其累积为整个分割的全局相似性评分。 实验是根据来自伯克利细分数据库和我们自己的数据库的基准图像进行的。 结果表明，所提出的方法可以忠实地反映分割的感知质量。

Robust Range Image Segmentation Based on Coplanarity of Superpixels

An improved FCM medical image segmentation algorithm based on MMTD

A novel image segmentation method combined Otsu and improved PSO

Efficient Graph-Based Image Segmentation论文的实现代码，以及给了一个测试样例，在Linux下运行通过

multi-label graph cut，image segmentation 。

Efficient Graph-Based Image Segmentation & k-means Image Segmentation

为segnet的tensorflow实现以及CamVid数据集（包含training、val、test)的下载。

一个简单的利用灰度信息做分割的svm代码，自己在研究生学习中琢磨出来的