《Interactive graph cuts for optimal boundary & region segmentation of objects in N-D images》读后感及问题

论文资源下载：点击打开链接

N维图像基于最优边界和区域分割的交互式图割

用户通过交互式选择图像的某部分作为“目标”和“背景”，然后分割方法基于用户定义的“目标”和“背景”硬性约束，定义一个包含区域和边界信息的能量函数，该能量函数的定义是根据文献[9]MAP-MRF（最大后验概率准则-马尔可夫随机场）定义的，使用能量函数求解达到图像的全局最优的自动分割。而计算机需要达到最优的分割就必须求解该能量函数的最小值，根据[9]可知，该能量函数与计算二值图像的全局最优最小分割的能量函数相似，所以，我们的目标也是为了计算满足于用户规定的硬性约束全局最小分割，即求解能量函数的最小值。根据[7,8]组合最优,解释了一张带有终端节点的s-t图的全局最小割可以求解多项式，最大流算法求解该能量函数的最小值，也就是把函数的求解转换位对图求解,求最小值等价于图的最小割，根据定理可知，求图的最小割也就是最大流的求解。

区域项的设置方法：通过直方图求像素点落在目标区域和背景区域的最大概率判断该像素点属于哪个区域；

                                     论文大体流程

1.构建在交互式（前景和背景两标签）图像分割中的能量函数

2.构造S-T图，并通过能量函数为S-T图的每条边设置相应的权值

3.权值表的设置

4.当用户把像素p标记为”object”,则必须改变像素p到两个终端结点的权值，也就是像素p的两条t-link边的权值：

5.对构造好并带有权值的S-T图使用BK算法求最大流，从而求出了最小割，各个前景节点和背景节点分别分布在S、T集合中，最小割就是隔断这些没有分布在同一集合两条相连的边，实现了通过图割方法实现了求解全局最小能量，这也是图割方法的优点，可以求解全局最小能量解。

问题总结：

交互式图像分割中，用户可以在一次分割后再添加/标记多个前景或背景节点，从而需要改变S-T图的权值

当用户把像素p标记为”object”,则像素p的t-link分别是K和0，为什么还需要增大这个新的目标像素点p的权值？而且增加的权值分别为和？

希望有哪位大神能够解决下我的问题，不胜感激！！！！