《电子技术应用》
您所在的位置：首页 > 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。
中图分类号： TP391.41
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2021.10.007
引用格式： 王茜，何小海，吴晓红，等. 基于GrabCut的改进分割算法[J].信息技术与网络安全，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

图像分割是图像处理的重要手段之一[1]，是将图像分为不同的区域，区域内具有一定的相似性，不同区域之间的特征差异较为明显。2001年，Boykov等[2]提出GraphCut算法，用户在待分割图像背景和前景上画线，指明少量前景像素和背景像素，算法建立s-t图，利用最小割最大流实现图像分割。GraphCut算法采用灰度直方图，无法分割彩色图像。针对该问题，Rother等[3]提出GrabCut算法，用户用矩形框标记前景位置，通过k-means将像素聚类为k类，初始化k个GMM模型，构建能量函数并利用该函数对图像进行分割。由于GrabCut算法操作简单，分割精度较高而被广泛关注和应用，国内外的许多学者对该算法进行了改进。周良芬等[4]采用二次分水岭对梯度图像做预处理，增强图像边缘点，再利用熵的特性优化能量分割函数，提高图像分割精度，但是增加了算法的复杂程度。董茜等[5]通过SLIC超像素算法对图像进行分割，利用分割的超像素图建立加权图，减少节点数，提高分割效率，但传统SLIC在纹理明显处会出现不规则超像素块。白雪冰等[6]将图像从RGB空间转化到Lab空间，再利用SLICO算法对图像进行预处理，改善GMM模型参数，使分割不受背景凹凸纹理的干扰，可优化分割，但是仍然存在少部分过分割的问题。杨小鹏等[7]采用Faster R-CNN[8]减少用户交互，融入图像位置信息提高GrabCut分割效果，但对纹理复杂的图像分割效果无明显改善。刘静等[9]针对背景复杂、细节丰富的皮影提取问题，采用相对总变差平滑的方法优化GrabCut分割，由于算法具有交互性，主观的选取会影响分割结果。詹琦梁等[10]利用Mask RCNN算法对待分割图像进行初步分割，再结合SLIC超像素分割得到的超像素块，获得初始三元图，最后利用GrabCut算法对其进行分割，客观上提高了分割精确度，却消耗了更多的运行时间。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003802





作者信息：

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)


此内容为AET网站原创，未经授权禁止转载。

相关内容