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(shí)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(qiáng)圖像邊緣點(diǎn),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(diǎn)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(yùn)行時間。
本文詳細(xì)內(nèi)容請下載:http://www.viuna.cn/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)