《電子技術(shù)應用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于GrabCut的改进分割算法
基于GrabCut的改进分割算法
信息技术与网络安全 10期
王 茜，何小海，吴晓红，吴小强，滕奇志
(四川大学 电子信息学院 图像信息研究所，四川 成都610065)
摘要： 针对GrabCut算法对于特征不明显、纹理复杂的图像分割效果不理想，且需要用户交互的问题，提出一种基于GrabCut的改进分割算法。首先，运用图像增强，对特征不明显的图像进行改善，提高图像质量；然后，利用YOLOv4网络对图像进行目标检测，获取前景目标所在矩形框位置，从而减少用户操作；其次，在高斯混合模型(GMM)中加入图像像素的位置信息和局部二值模式算子(LBP)提取的像素纹理特征信息，优化高斯混合模型参数，改进GrabCut算法，实现图像优化分割；最后，将分割图像掩膜与原始图像结合，得到原始图像。实验结果表明，对特征不明显、纹理信息复杂的图像，该算法分割效果更优。
中圖分類號： TP391.41
文獻標識碼： 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的改進分割算法[J].信息技術(shù)與網(wǎng)絡安全，2021，40(10)：43-47，52.
An improved segmentation algorithm based on GrabCut
Wang Qian，He Xiaohai，Wu Xiaohong，Wu Xiaoqiang，Teng Qizhi
(Institute of Image Information, School of Electronics and Information Engineering，Sichuan University， Chengdu 610065，China)
Abstract： To slove the problem that GrabCut does not have satisfactory segmentation effect for images with obscure features and complex textures and it needs user interaction, an improved segmentation algorithm based on GrabCut was proposed. Firstly, image enhancement was used, to improve the image with less detailed features. Secondly, YOLOv4 network was trained and the image was put in YOLOv4 to get the rectangular position of the foreground target. Thirdly, Gaussian Mixing Model(GMM) was incorporated location information of image pixels and texture feature information extracted by LBP operator, to optimize GMM model parameters and improve GrabCut algorithm. Finally, the original segmented image was obtained by combining the segmented image mask with the original image. The experimental results show that the proposed method performs better on images with less detailed features and complex texture information.
Key words : GrabCut；k-means；image enhancement；image segmentation

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)對圖像進行分割。由于GrabCut算法操作簡單，分割精度較高而被廣泛關注和應用，國內(nèi)外的許多學者對該算法進行了改進。周良芬等[4]采用二次分水嶺對梯度圖像做預處理，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雜程度。董茜等[5]通過SLIC超像素算法對圖像進行分割，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算法對圖像進行預處理，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，但對紋理復雜的圖像分割效果無明顯改善。劉靜等[9]針對背景復雜、細節(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。




本文詳細內(nèi)容請下載：http://www.ihrv.cn/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 電子信息學院 圖像信息研究所，四川 成都610065)


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。