文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2021.10.007
引用格式: 王茜,,何小海,,吳曉紅,等. 基于GrabCut的改進(jìn)分割算法[J].信息技術(shù)與網(wǎng)絡(luò)安全,,2021,,40(10):43-47,52.
0 引言
圖像分割是圖像處理的重要手段之一[1],,是將圖像分為不同的區(qū)域,區(qū)域內(nèi)具有一定的相似性,,不同區(qū)域之間的特征差異較為明顯,。2001年,Boykov等[2]提出GraphCut算法,,用戶(hù)在待分割圖像背景和前景上畫(huà)線,,指明少量前景像素和背景像素,算法建立s-t圖,,利用最小割最大流實(shí)現(xiàn)圖像分割,。GraphCut算法采用灰度直方圖,無(wú)法分割彩色圖像,。針對(duì)該問(wèn)題,,Rother等[3]提出GrabCut算法,用戶(hù)用矩形框標(biāo)記前景位置,,通過(guò)k-means將像素聚類(lèi)為k類(lèi),,初始化k個(gè)GMM模型,,構(gòu)建能量函數(shù)并利用該函數(shù)對(duì)圖像進(jìn)行分割。由于GrabCut算法操作簡(jiǎn)單,,分割精度較高而被廣泛關(guān)注和應(yīng)用,,國(guó)內(nèi)外的許多學(xué)者對(duì)該算法進(jìn)行了改進(jìn)。周良芬等[4]采用二次分水嶺對(duì)梯度圖像做預(yù)處理,,增強(qiáng)圖像邊緣點(diǎn),,再利用熵的特性?xún)?yōu)化能量分割函數(shù),提高圖像分割精度,,但是增加了算法的復(fù)雜程度,。董茜等[5]通過(guò)SLIC超像素算法對(duì)圖像進(jìn)行分割,利用分割的超像素圖建立加權(quán)圖,,減少節(jié)點(diǎn)數(shù),,提高分割效率,但傳統(tǒng)SLIC在紋理明顯處會(huì)出現(xiàn)不規(guī)則超像素塊,。白雪冰等[6]將圖像從RGB空間轉(zhuǎn)化到Lab空間,,再利用SLICO算法對(duì)圖像進(jìn)行預(yù)處理,改善GMM模型參數(shù),,使分割不受背景凹凸紋理的干擾,,可優(yōu)化分割,但是仍然存在少部分過(guò)分割的問(wèn)題,。楊小鵬等[7]采用Faster R-CNN[8]減少用戶(hù)交互,,融入圖像位置信息提高GrabCut分割效果,但對(duì)紋理復(fù)雜的圖像分割效果無(wú)明顯改善,。劉靜等[9]針對(duì)背景復(fù)雜,、細(xì)節(jié)豐富的皮影提取問(wèn)題,采用相對(duì)總變差平滑的方法優(yōu)化GrabCut分割,,由于算法具有交互性,,主觀的選取會(huì)影響分割結(jié)果。詹琦梁等[10]利用Mask RCNN算法對(duì)待分割圖像進(jìn)行初步分割,,再結(jié)合SLIC超像素分割得到的超像素塊,,獲得初始三元圖,最后利用GrabCut算法對(duì)其進(jìn)行分割,,客觀上提高了分割精確度,,卻消耗了更多的運(yùn)行時(shí)間。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000003802
作者信息:
王 茜,,何小海,,吳曉紅,吳小強(qiáng),,滕奇志
(四川大學(xué) 電子信息學(xué)院 圖像信息研究所,,四川 成都610065)