改进结合超像素与图割的交互式图像分割算法研究

作     者：赵玮霖 

作者单位：新疆大学 

学位级别：硕士

导师姓名：贾振红;郝军

授予年度：2017年

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

主      题：图像分割 图割 超像素 贝叶斯分类器 

摘      要：图像分割是计算机视觉处理领域的热点之一,在图像处理与其他相关领域具有十分重要的用途,许多国内外学者与专家都对其进行了深入的研究。它是图像工程中重要的组成部分,在计算机视觉、模式识别等领域具有极其广泛的应用。彩色图像分割是利用图像中的颜色、纹理与区域特征信息将图像中的目标区域从背景中提取出,从而获得人类所感兴趣的部分。最近十几年来,在图像分割领域出现了许多优秀的算法。图割算法是一种基于图论的分割算法,其主要通过构造一个能量函数对图像像素值进行处理,通过对能量函数的最小化得到最优解,这种方法可以得到全局最优,它具有很好的鲁棒性与较高分割精度等优点。然而当其处理巨幅高分辨率图像时就会出现耗时过长的问题,这影响了基于图割算法在现实中的应用。超像素是由具有相似特征的像素点所构成的很多像素块,在同一个像素块内像素之间具有相似的亮度、颜色等特征,并且这些像素块可以较好地保留图像的纹理特征和边界信息,其边界能在一定程度上贴合分割目标的轮廓,可以在正式分割之前对图像进行预处理,从而降低分割的复杂度,提升分割效率。将超像素作为预分割与图割相结合对图像进行分割,这样可以提高图像分割的效率,尤其是对于需要进行反复迭代的算法更能体现其高效,但是由于使用超像素代替像素值进行分割,将会导致分割精度的下降,并且当数目过少时,分割结果会出现严重的恶化显现。本文针对基于超像素的Grabcut图像分割算法在超像素数目较低时出现分割恶化的现象,提出一种结合贝叶斯分类与SLIC(简单线性迭代聚类)的改进Grabcut分割算法。首先,使用SLIC算法对图像进行聚类,使用聚类后的各像素块的RGB均值作为像素点构建精简的Graph Cuts模型,然后,再使用贝叶斯分类对模型中的像素点进行分类,对进行分类后的像素点进行第二次SLIC聚类,并用各个像素块的均值代替像素点值进行GMM(高斯混合模型)参数估计,最后使用最小割算法得出图模型最优分割。实验结果证明,本算法降低了分割错误,进一步提高了分割效率。