基于超像素的Grab cut前景提取算法

摘要

针对海量的像素以及迭代更新高斯混合模型参数导致的Grab cut很难兼顾精确分割和实时交互的现象,提出基于超像素的交互式快速分割框架,精简了问题规模,保证了分割的准确度和实时性.首先,采用融合边缘自信度的均值漂移算法将图像分割为一系列保持颜色、空间信息以及边界特性的同质区域;其次,以每个同质区域的RGB均值为结点,构建加权网络图,建立前景和背景两个高斯混合模型;然后,采用EM算法结合一种新的max flow/min cut算法来逼近高斯混合模型参数;最后,本文引入区域项的自适应调整参数来提高分割的准确度.实验结果表明,文中算法对用户交互可以及时做出分割响应,并且分割的结果更加合理.

关键词