基于GrabCut的圖像分割算法研究.pdf

1、圖像分割是計算機(jī)視覺的一種重要技術(shù)，其準(zhǔn)確率和效率直接影響后續(xù)處理的有效性。近年來基于圖論的圖像分割，一直是研究的焦點問題。GrabCut算法是一種優(yōu)秀的基于圖論的分割算法，但也存在分割速度較慢、迭代效率低、背景復(fù)雜時分割不理想等缺陷。
　　為了提高GrabCut迭代效率和分割速度，改善分割效果，提出了一種基于前景形態(tài)的多尺度GrabCut圖像分割方法。
　　首先，針對大量像素迭代估計高斯混合模型(GMM)參數(shù)致使效率很低的

2、問題，采用金字塔下采樣獲取粗尺度圖像，以少量典型的像素點迭代估計GMM參數(shù)，提高了迭代效率和分割速度;其次，針對前景和背景顏色相似分割效果不好的問題，采用基于前景形態(tài)的分水嶺分割，再將其結(jié)果掩膜標(biāo)記為四類區(qū)域:前景、背景、可能前景、可能背景，大大減少了未知區(qū)域像素數(shù)，再用GrabCut提取目標(biāo)，提高了分割精度和速度;最后，將分割結(jié)果映射到高分辨率圖像，用形態(tài)學(xué)操作對其完善，平滑邊緣或填補(bǔ)空洞。
　　實驗表明，該方法能獲得更高的分割