图像分割技术演进与主流研究方向解析

图像分割是计算机视觉与图像处理领域的核心问题之一，其目标是将图像划分为若干具有语义一致性或视觉一致性的区域。历经数十年的发展，该领域已形成多条技术路线并行的格局。本文从建模方法论的角度出发，系统梳理当前主流的研究方向，分析各类方法的数学基础、适用条件与优缺点，并探讨深度学习方法兴起后带来的新变化。

一、按建模方法分类的整体视角

图像分割方法可以从多个维度进行分类。从建模工具来看，大致可分为概率图模型方法、偏微分方程（PDE）方法、组合优化方法以及深度学习方法。从建模范围来看，可分为局部模型与全局模型——前者仅考虑像素邻域的局部信息，后者则在整幅图像上定义全局能量函数并寻求全局最优解。从监督信息的使用来看，可分为监督式、无监督式与弱监督式方法。

理解这些分类维度有助于研究者在面对具体问题时快速定位合适的技术路线。

二、基于图模型与马尔可夫随机场的分割方法

2.1 能量最小化框架

基于图模型的分割方法的核心思想是将分割问题转化为能量最小化问题。具体而言，将图像中的每个像素（或超像素）视为图的一个节点，节点之间的边权编码相邻像素的相似性或标签一致性约束，再通过最小化定义在图上的能量函数来获得最优标签分配。

这一框架与马尔可夫随机场（MRF）有着深刻的联系：MRF为图像标签的先验分布提供了概率建模工具，而能量最小化则是求解最大后验估计的计算手段。典型的能量函数由数据项和平滑项组成：

E(L) = Σ_i D_i(L_i) + λ Σ_{i,j∈N} V_{ij}(L_i, L_j)

其中 Di 为像素 i 分配标签 L_i 的代价（数据项），V{ij} 为相邻像素标签不一致时的惩罚（平滑项），λ 为平衡系数。

2.2 图割算法

在图模型方法中，基于最大流/最小割的图割算法是最具影响力的工作之一。其核心贡献在于：

• 二标签情形：当能量函数满足子模性条件时，图割可以在多项式时间内保证全局最优解。这一结论将组合优化中的最大流最小割定理与计算机视觉中的分割问题建立了精确的对应关系。
• 多标签情形：当标签数超过两个时，全局最优求解通常是NP难的，因此研究者提出了多种近似算法，如α-扩展、α-β交换等，它们在特定条件下能保证较强的近似比。

这类方法的优点在于理论保证清晰、求解效率较高（多项式时间可解），缺点则在于能量函数的形式受到子模性等条件的限制，建模灵活性有限。

2.3 消息传递与对偶分解

除图割外，基于MRF的推理还有一类重要方法——树重加权消息传递（TRW）及其收敛改进版本。其基本思路是将原问题分解为若干棵生成树上的子问题，通过对偶分解协调各子问题的解，从而逼近原问题的全局最优。与图割相比，这类方法对能量函数的形式约束更宽松，但收敛速度和对偶间隙的控制是需要关注的问题。

三、基于组合优化的全局分割方法

3.1 多割模型

当需要同时将图像分割为多个区域且要求全局最优性时，多割（Multicut）模型是一个重要方向。多割将分割问题建模为在图上寻找一组边的最小代价割集，使得删除这些边后，每个连通分量恰好对应一个区域。

多割模型的显著特点是：

• 全局最优性：在无监督设定下，可以确保多标签分割的全局最优解；
• 计算复杂性：问题是NP难的，需要借助整数规划或近似算法求解；
• 灵活性：既可用于无监督分割（如基于边缘代价），也可扩展为监督式分割（如引入标签约束）。

在实际求解中，常采用线性规划松弛加舍入的策略，或利用列生成等技巧加速求解。这类方法适用于数据量适中、对全局最优性有较高要求的场景。

3.2 整数规划方法

将分割问题形式化为混合整数规划是另一条值得关注的路线。通过引入二元决策变量表示边的割断与否，可以将分割约束、连通性约束等统一纳入整数规划框架。其优势在于建模能力强、可精确表达复杂的全局约束；挑战则在于求解规模受限于整数规划的复杂度，通常需要配合分支定界、割平面等高级求解技术。

四、基于偏微分方程与变分方法的分割

4.1 活动轮廓模型

活动轮廓模型（Active Contour Model）是PDE方法中最具代表性的分割框架。其基本思想是定义一条参数化或几何化的曲线，在内部能量（控制曲线光滑性）与外部能量（驱动曲线向目标边界靠拢）的共同作用下演化，最终收敛到目标轮廓。

根据曲线的表示方式，活动轮廓模型可分为：

• 参数化活动轮廓：曲线以显式参数形式表示，演化方程通过变分法导出；
• 几何活动轮廓：曲线以水平集函数的零水平集隐式表示，天然支持拓扑变化。

这类方法的优势在于分割结果具有光滑的边界、对噪声有一定的鲁棒性；不足之处在于对初始轮廓敏感、参数调节较为困难、且通常需要较好的初始化。

4.2 变分水平集方法

水平集方法将曲线演化问题转化为高维函数的偏微分方程求解问题，避免了曲线参数化带来的拓扑限制。结合变分框架，可以构造出具有明确能量解释的分割模型。近年来，基于卷积神经网络的特征提取与水平集演化的端到端融合也成为一个活跃的研究方向。

五、深度学习时代的分割方法

5.1 全卷积网络与语义分割

深度学习方法的引入深刻改变了图像分割的研究格局。全卷积网络（FCN）首次实现了端到端的像素级预测，将分类网络的全连接层替换为卷积层，从而输出与输入图像空间尺寸对应的分割图。此后，编码器-解码器结构、空洞卷积、多尺度特征融合等设计不断涌现，显著提升了语义分割的精度。

5.2 深度网络与概率图模型的融合

尽管深度网络具有强大的特征学习能力，但其输出的分割图往往在边界处不够精细。为克服这一局限，研究者提出将卷积神经网络与条件随机场（CRF）或MRF相结合的两阶段方案：深度网络负责生成粗略的类别概率图，CRF/MRF则在此基础上进行精细化后处理，利用像素间的颜色、位置相似性约束优化边界。

这种融合策略兼具深度学习的表征能力与概率图模型的结构化推理能力，在多个基准数据集上取得了显著效果。近年来，也有工作尝试将CRF推理嵌入网络内部实现端到端训练。

5.3 实例分割与全景分割

除语义分割外，实例分割要求区分同一类别的不同个体，全景分割则进一步统一了语义与实例两种任务。这类方法通常建立在目标检测或区域提议的基础上，再对每个区域进行掩码预测。随着Transformer架构的引入，基于查询的分割范式也展现出强劲的潜力。

六、技术选型的实践建议

面对具体的分割任务，技术选型可参考以下思路：

1. 标注数据充足、类别丰富：优先考虑深度学习方法，利用大规模预训练模型进行微调；
2. 数据量较小、需要全局最优性保证：可考虑多割或整数规划方法，在可接受的计算代价下获得精确解；
3. 边界精度要求高、后处理资源充足：在深度网络输出基础上叠加概率图模型进行精细化；
4. 无监督或弱监督场景：基于图割、多割或活动轮廓的方法仍是重要选择；
5. 实时性要求高：轻量化网络设计或基于超像素的快速图割方法更具优势。

值得注意的是，不同方法之间并非互斥关系。将深度特征学习与组合优化、概率推理相结合，往往能在精度与可解释性之间取得更好的平衡。随着硬件算力的提升和算法理论的完善，图像分割技术仍在快速演进，值得持续关注。