概述
图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单一区域，也可以对应多个区域），称之为目标或前景；而其他部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。
图像分割是图像处理中的一项关键技术，也是一经典难题，发展至今仍没有找到一个通用的方法，也没有制定出判断分割算法好坏的标准，对近几年来出现的图像分割方法作了较为全面的综述，探讨了图像分割技术的发展方向，对从事图像处理研究的科研人员具有一定的启发作用。
图像分割是图像分析的第一步，图像分割接下来的任务，如特征提取、目标识别等的好坏，都取决于图像分割的质量如何。由于该课题的难度和深度，进展比较缓慢。图像分割技术自20世纪70年代起一直受到人们的高度重视。虽然研究人员针对各种问题提出了许多方法，但迄今为止仍然不存在一个普遍适用的理论和方法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述。宏观上来讲，图像分割方法有，阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法。
更进一步，图像分割可以分为全自动图像分割和交互式图像分割。全自动图像分割的算法在文献[6][9]进行了详细的介绍。目前，关于图像分割有许多方法，比如文[4]中的提出了运用一种交互式图像剪切工具进行分割,文[5]提出运用最大流最小割算法进行分割，文[3]提出的基于迭代的分割方法，文[14]提出了基于实时反馈的交互式图像分割，文[12]提出基于能量空间能量显著性图的分割,文[13][15]基于图割的图像分割方法以及文[11]里面介绍的诸多方法。另外，关于视频的图像分割在文[10]中有详细介绍。
我们的研究内容主要是交互式图像分割中的交互式低景深图像分割，研究对象是低景深图像。景深，就是对焦点前后的清晰范围。当我们拍摄一张照片，在合焦的时候会形成一个焦平面，焦平面前后范围内的景物会清晰呈现，这就是景深范围。浅景深图像就是背景虚化程度较高的，适合拍摄特写的图像。简言之，低景深交互式图像分割，就是对低景深图像进行图像分割。
二 交互式低景深图像分割步骤
交互式低景深分割按照是否基于学习模型又可以分为基于学习模型的交互式低景深图像分割和不基于学习模型的交互式低景深图像分割。
1 不基于学习模型的交互式低景深图像分割
不基于学习模型的交互式低景深图像分割可以分为三个阶段，低景深图像前景分割、背景虚化和前景与背景的融合。其中主要介绍低景深图像前景分割和前景与背景的融合问题。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
