文獻(xiàn)標(biāo)識碼: 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,用戶在待分割圖像背景和前景上畫線,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現(xiàn)圖像分割。GraphCut算法采用灰度直方圖,,無法分割彩色圖像,。針對該問題,Rother等[3]提出GrabCut算法,,用戶用矩形框標(biāo)記前景位置,,通過k-means將像素聚類為k類,初始化k個GMM模型,,構(gòu)建能量函數(shù)并利用該函數(shù)對圖像進(jìn)行分割,。由于GrabCut算法操作簡單,分割精度較高而被廣泛關(guān)注和應(yīng)用,,國內(nèi)外的許多學(xué)者對該算法進(jìn)行了改進(jìn),。周良芬等[4]采用二次分水嶺對梯度圖像做預(yù)處理,增強圖像邊緣點,,再利用熵的特性優(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SLIC超像素算法對圖像進(jìn)行分割,,利用分割的超像素圖建立加權(quán)圖,減少節(jié)點數(shù),,提高分割效率,,但傳統(tǒng)SLIC在紋理明顯處會出現(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分割的問題,。楊小鵬等[7]采用Faster R-CNN[8]減少用戶交互,,融入圖像位置信息提高GrabCut分割效果,但對紋理復(fù)雜的圖像分割效果無明顯改善,。劉靜等[9]針對背景復(fù)雜,、細(xì)節(jié)豐富的皮影提取問題,采用相對總變差平滑的方法優(yōu)化GrabCut分割,,由于算法具有交互性,,主觀的選取會影響分割結(jié)果。詹琦梁等[10]利用Mask RCNN算法對待分割圖像進(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,,卻消耗了更多的運行時間,。
本文詳細(xì)內(nèi)容請下載:http://forexkbc.com/resource/share/2000003802
作者信息:
王 茜,何小海,,吳曉紅,,吳小強,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)