基于概率神经网络改进的GrabCut算法

作     者：张翠军 赵娜 Zhang Cuijun;Zhao Na

作者机构：河北地质大学信息工程学院河北石家庄050031 河北地质大学河北省高校生态环境地质应用技术研发中心河北石家庄050031 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2021年第58卷第2期

页      面：236-243页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：河北省高等学校科学技术研究重点项目(ZD2019134) 河北省研究生创新资助项目(CXZZSS2019113) 

主　　题：图像处理 概率神经网络 高斯混合模型 图像分割 

摘      要：针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法。该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度。在公开的ADE20K数据集中选取图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度优于其他对比算法,且效率较高。对前景与背景相似度高的图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度明显高于GrabCut算法。