基于圖割理論的圖像與視頻分割算法研究.pdf

1、圖像與視頻分割，是圖像處理、計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向，也是諸如目標(biāo)跟蹤與檢測(cè)、行為識(shí)別、圖像與視頻編輯等眾多基于圖像與視頻分析的高層應(yīng)用的重要基礎(chǔ)，能為各種高層視覺應(yīng)用提供低層數(shù)據(jù)特征，因此，對(duì)該問題進(jìn)行深入的研究具有重要意義與實(shí)用價(jià)值。運(yùn)用圖割理論解決圖像與視頻的分割問題，由于兼具全局最優(yōu)性與統(tǒng)籌邊界和區(qū)域信息的特點(diǎn)，近年來受到國內(nèi)外學(xué)者的廣泛關(guān)注。
　　本文以圖割理論為基礎(chǔ)，主要針對(duì)圖像與視頻分割中的二元分割問題進(jìn)行研

2、究。具體工作如下：
　　1.對(duì)運(yùn)用圖割理論進(jìn)行圖像分割的理論方法進(jìn)行了系統(tǒng)總結(jié)。重點(diǎn)研究了網(wǎng)絡(luò)流理論、能量最小化理論、s-t網(wǎng)絡(luò)、最大流-最小割定理等，并對(duì)基于Graph Cuts的圖像分割算法的理論框架與實(shí)現(xiàn)細(xì)節(jié)進(jìn)行了探討。
　　2.對(duì)基于Graph Cuts的圖像分割算法提出了兩點(diǎn)改進(jìn)措施。傳統(tǒng)的基于Graph Cuts的圖像分割算法采用灰度直方圖或亮度直方圖進(jìn)行顏色概率計(jì)算，本文采用高斯混合模型進(jìn)行概率計(jì)算，從而可以直

3、接處理彩色圖像，無需轉(zhuǎn)換；另一方面，傳統(tǒng)的基于Graph Cuts的圖像分割算法采用整幅圖像中的所有像素點(diǎn)構(gòu)建s-t網(wǎng)絡(luò)，本文采用合并相同像素點(diǎn)的方法構(gòu)建s-t網(wǎng)絡(luò)，減少網(wǎng)絡(luò)中的結(jié)點(diǎn)數(shù)，提高算法性能。
　　3.提出了兩種融合邊界與區(qū)域信息的圖像分割算法。GrabCut算法進(jìn)行圖像分割時(shí)可以有效地剔除前景目標(biāo)中的內(nèi)部背景區(qū)域，但該算法對(duì)前景和背景顏色信息接近的圖像分割效果不佳；GCBAC算法可以有效分割前景目標(biāo)的外邊界，但不能剔除前

4、景目標(biāo)內(nèi)部封閉的背景區(qū)域。本文融合這兩種算法，提出一種融合GCBAC和GrabCut的交互式圖像分割算法。該算法通過GCBAC提取邊界，克服了前景和背景顏色接近對(duì)GrabCut的影響，同時(shí)，通過GrabCut剔除內(nèi)部區(qū)域，克服了 GCBAC不能有效分割內(nèi)部區(qū)域的不足?；谝陨纤悸?，針對(duì)項(xiàng)目中的一個(gè)實(shí)際問題，本文提出一種融合Canny和GrabCut的商品圖像自動(dòng)分割算法。該算法通過Canny算法收斂到商品目標(biāo)的邊界，再利用GrabCut

5、算法剔除商品目標(biāo)內(nèi)部的背景區(qū)域。該算法有效地分割出了商品目標(biāo)，為下一步對(duì)商品圖像的分析提供了準(zhǔn)確的數(shù)據(jù)源。
　　4.提出了一種擴(kuò)展 GrabCut的交互式視頻分割算法。通過深入分析 GrabCut算法的實(shí)現(xiàn)細(xì)節(jié)發(fā)現(xiàn)，該算法是一個(gè)迭代執(zhí)行 GMM標(biāo)號(hào)、GMM參數(shù)估計(jì)和 s-t網(wǎng)絡(luò)切割的過程。對(duì)該算法的性能加以分析發(fā)現(xiàn)，當(dāng) GMM模型趨于穩(wěn)定時(shí)，算法的迭代仍在耗時(shí)，但分割效果基本不再變化。基于以上分析，本文提出一種擴(kuò)展 GrabCut