Графы-мощное и популярное формализованное описание изображений в распознавании образов. В частности в области анализа автомобилей они нашли широкое применение. С формальной точки зрения, однако, графы весьма ограничены в том смысле, что большинство математических операций, необходимых для построения общих алгоритмов, таких как классификаторы или схемы кластеризации, не определены. Следовательно, наблюдается серьезная нехватка алгоритмических процедур, которые могут быть непосредственно применены к графам. В данной работе представлена модель оптимизации графового представления изображения по критериям длины и гладкости численным методом, связанным с принципом оптимальности, лежащим в основе всех многоступенчатых процессов принятия решений для уменьшения информативности подаваемых в классификатор данных. Модель оптимизации представляет собой механизм для идентификации значимых кривых в изображениях на основе длины и прямолинейности. Метод, на основе которого построена модель имеет несколько характерных свойств. Во-первых, мера значимости, как правило, предпочитает длинные и гладкие кривые коротким или волнистым кривым. Кроме того, гарантируется, что сеть найдет наиболее значимую кривую в соответствии с мерой. Сама сеть локально связана, и ее размер пропорционален размеру изображения. Характерные черты местности дополнительно подчеркиваются, поскольку вклад удаленных элементов в результат данного элемента ослабляется с кривизной и длиной промежутка, отделяющей удаленные элементы от данного элемента. Сеть значимости также отличается не только подчеркиванием значимых местоположений, но и наличием кривых, которые делают эти местоположения важными. Это требует группировки кривого фрагмента, разбивающего промежутки и пересечения, что требует выбора из экспоненциального множества возможных кривых изображения. Исходя из свойств метода, он применим для предобработки изображений, с целью уменьшения данных для подачи в какой-либо классификатор сегментации.