基于超像素和改进迭代图割算法的图像分割

基于经典的图割(Graph cut)理论,提出一种基于超像素和改进Graph cut算法的图像分割算法。采用改进简单线性迭代聚类算法,得到前景边缘信息保存较完整的超像素图像。以超像素为处理单元,通过融合颜色、梯度等信息重建能量函数,并基于Graph cut框架进行分割。仿真结果显示,与Grabcut算法相比,改进算法不仅具有更高的分割精度,提取的目标边缘较完整、光滑,而且大幅提升了分割效率。

基于图割和视域相关性的立体图像分割

立体图像分割是对象基立体图像处理中的关键和难点。基于改进Grabcut图割算法和视域相关性,提出一种新的立体图像分割算法。首先基于改进Slic方法将左图像转换成超像素图像,然后基于Grabcut框架通过重新定义能量函数对其分割以提取出左图像目标。最后,基于左右图像的视域相关性通过融合颜色和纹理特征的轮廓匹配提取右图像目标。实验结果表明,与现有方法相比,所提算法能获得更高的分割效率和更准确的分割结果。