简介：图像分割是计算机视觉的基础任务之一，不同建模路线在精度、效率与可解释性上各有取舍。本文从图模型、变分与偏微分方程、深度学习以及全局优化等角度，梳理当前主流研究方向与代表思路，帮助开发者建立系统认知并指导模型选型。
图像分割的目标是将图像划分为若干具有语义一致性的区域，既包括前景与背景的二分类，也包括多目标、多类别分割。其难点主要体现在三个方面：
第一，边界模糊与纹理复杂。自然图像中目标边界往往并不清晰，物体之间存在遮挡、阴影、反光等干扰，单纯依赖灰度或颜色信息难以获得稳定结果。
第二，先验知识难以统一建模。不同场景下“正确分割”的定义差异很大，医学影像、遥感图像、自动驾驶场景对分割结果的要求各不相同，难以用固定规则描述。
第三，计算复杂度与全局最优性之间存在张力。很多分割问题可以形式化为能量最小化问题，但全局最优求解往往是 NP 难问题，实际应用中需要在精度与速度之间进行折中。
因此，图像分割的研究路线通常围绕“如何建立更合理的数学模型”以及“如何设计更高效的求解算法”两条主线展开。
图模型方法是过去二十年间图像分割领域最具影响力的方向之一。其基本思路是将图像建模为一个无向图，节点对应像素或超像素，边表示相邻节点之间的关系，然后通过最小化定义在图上的能量函数来完成分割。
在马尔可夫随机场框架下，分割结果被表示为一组随机变量的取值，每个随机变量对应一个像素的标签。能量函数通常包含两项：数据项衡量像素被赋予某个标签的代价，平滑项鼓励相邻像素具有相同标签。这种建模方式可以自然地融合局部特征与邻域上下文信息。
在求解方面，基于最大流/最小割的图割方法具有重要地位。对于二标签问题，图割方法能够在多项式时间内得到全局最优解，这是该方法被广泛应用的重要原因之一。对于多标签问题，常用的做法是将其转化为一系列二标签子问题，通过迭代求解获得近似解。相关研究系统建立了图割能量最小化的理论框架，并给出了能量函数满足何种条件时可以被图割精确求解的判定准则。
图模型方法的优势在于理论基础扎实，可解释性强，能够显式地引入空间约束。但其局限也较为明显：当图像规模很大或标签数量很多时，计算开销显著增加；同时，传统手工设计的特征难以充分表达高层语义信息。
与图模型的离散建模思路不同，变分方法和偏微分方程方法将图像视为连续区域，通过曲线演化的方式实现分割。这一方向的代表思路是活动轮廓模型，其核心思想是定义一条初始曲线，让曲线在能量泛函的驱动下不断演化，最终收敛到目标边界。
活动轮廓模型的能量泛函通常包含内部能量和外部能量两部分。内部能量控制曲线的光滑性和连续性，外部能量则吸引曲线向图像中的边缘或区域特征靠近。根据外部能量的构造方式，活动轮廓模型可以进一步分为基于边缘的模型和基于区域的模型。
基于边缘的模型依赖图像梯度信息，在目标边界清晰时表现良好，但对噪声和弱边界较为敏感。基于区域的模型则利用曲线内外区域的统计特性差异来驱动演化，对初始位置和噪声具有更好的鲁棒性。近年来，基于区域的活动轮廓模型在医学图像分割中得到了较多应用。
偏微分方程方法的好处在于能够自然地处理拓扑变化，曲线在演化过程中可以自动分裂或合并。不过，这类方法通常对初始化较为敏感，且求解过程需要仔细设计数值格式以保证稳定性。
随着深度学习的兴起，基于卷积神经网络的分割方法成为当前最活跃的研究方向。与依赖手工设计特征的传统方法相比，深度学习方法能够自动学习从原始像素到语义标签的层次化特征表示。
在图像分割任务中，编码器-解码器结构是应用最广泛的网络架构之一。编码器逐步降低空间分辨率以提取高层语义特征，解码器则逐步恢复空间分辨率以生成逐像素预测。跳层连接机制被广泛用于保留编码过程中的细节信息，从而改善边界精度。
值得关注的是，深度学习方法与传统概率图模型并不互斥。将卷积神经网络与条件随机场相结合是一种常见的策略：神经网络负责产生初始的像素级预测分数，条件随机场则在后处理阶段对预测结果进行结构化修正，使分割结果在空间上更加一致。这种级联方式能够在一定程度上弥补纯卷积网络在边界精细度上的不足。
深度学习分割方法的主要优势在于特征学习能力强，在标注数据充足的场景下性能显著优于传统方法。其挑战则在于对大规模标注数据的依赖，以及模型在跨域场景下的泛化能力仍有待提升。
从优化角度审视图像分割，许多分割任务可以统一表述为多割问题。在该框架下，目标是将图划分为若干个互不相交的连通子集，使得跨子集边的权重之和最小。这种建模方式既适用于监督式分割，也适用于无监督聚类式分割，并且能够自然地处理多标签情况。
多割问题的一个重要理论性质是：可以得到多标签情形下的全局最优解。这一性质在传统图割方法中通常难以实现——如前所述，图割方法只有在二标签情况下才保证全局最优，多标签情况往往只能获得近似解。但全局最优性的代价是求解复杂度为 NP 难，这意味着对于大规模问题，精确求解在实际计算中不可行，必须依赖启发式算法或分支定界等策略来控制计算时间。
在实际应用中，多割方法适用于需要精确定量分析的中小规模场景，例如医学影像中的细胞分割、材料科学中的微观结构分析等。在这些场景中，对分割精度的要求高于对实时性的要求，因此可以容忍较高的计算成本。
从建模路线来看，当前主流方向可以大致归纳为以下几条：
图模型与图割方法：理论基础完善，二标签问题可全局最优求解，适合对可解释性要求较高的场景。多标签情况需使用近似算法，计算开销随问题规模增长较快。
变分与偏微分方程方法：能够自然处理拓扑变化，适合目标边界相对清晰的场景。对初始化和数值求解方案有一定要求。
深度学习方法：特征表达能力最强，是目前大规模自然图像分割任务的首选方案。但依赖标注数据，模型可解释性相对较弱。
多割与全局优化方法：在中小规模问题上可获得全局最优解，适合精度优先、计算时间容忍度较高的应用。
在实际工程中，单独使用某一类方法往往不够，通常需要根据任务特点进行组合。例如，用深度网络快速生成粗分割结果，再通过图模型或条件随机场进行结构化精修；或者将传统方法的先验约束引入深度学习框架中，以提升模型在少样本条件下的表现。
理解不同建模路线的本质差异和适用边界，有助于开发者在面对具体分割任务时做出更合理的方案设计，也为进一步跟踪前沿研究提供了清晰的知识地图。