目的针对图割(GrabCut)算法对于前景与背景颜色特征相差不大容易发生分割错误,SLIC(simple linear iterative clustering)预分割在对应情况下边缘不够准确以及时间复杂度较高等问题,提出一种融合特征的自适应超像素GrabCut算法。方法该...目的针对图割(GrabCut)算法对于前景与背景颜色特征相差不大容易发生分割错误,SLIC(simple linear iterative clustering)预分割在对应情况下边缘不够准确以及时间复杂度较高等问题,提出一种融合特征的自适应超像素GrabCut算法。方法该算法首先将图像转化到Lab色彩空间,并对原图像提取Gabor纹理特征,综合得到融合特征;再利用融合特征改进SLIC方法,使用改进方法对图像进行预分割,提取超像素区域,构建区域邻接图;然后保存每个超像素区域的融合特征,对两种特征分别进行高斯混合模型(Gaussian mixture model,简称GMM)建模,并利用相对熵自适应调整分割过程中混合特征的权重,优化Gibbs能量函数;最后执行迭代图割算法,得出分割结果。结论实验结果表明,本算法对颜色特征不佳的情况下有较好的分割效果,并通过改进的SLIC预分割提高了算法的执行效率,降低了迭代次数,前景物体边缘也得到较好的保护。展开更多
目的针对基于SURF特征点的图像配准算法对颜色单一的彩色图像提取的特征点较少及配准时间复杂度高等问题,提出一种基于融合特征的快速SURF(speed up robust features)配准算法。方法该算法首先提取图像的颜色不变量边缘特征和CS-LBP(cen...目的针对基于SURF特征点的图像配准算法对颜色单一的彩色图像提取的特征点较少及配准时间复杂度高等问题,提出一种基于融合特征的快速SURF(speed up robust features)配准算法。方法该算法首先提取图像的颜色不变量边缘特征和CS-LBP(central symmetry-local binary patterns)纹理特征形成融合特征灰度图,并利用颜色直方图的方差自适应调节融合特征间的权重。其次,在融合特征灰度图上提取SURF(speed up robust features)特征点及描述子。再次,用最近邻匹配法形成粗匹配对,结合改进的快速RANSAC(random sample consensus)算法得到精匹配对。最后,使用最小二乘法求出映射关系用于配准图像。结果本文算法能够在融合特征上提取更稳定的SURF特征点,用该特征点进行配准能提高配准5%精度,且减少时间复杂度15%,实现了对普通场景下图像的快速配准。结论本文算法能提取稳定数量的特征点,提高了精确度与鲁棒性,并通过改进的RANSAC算法提高了执行效率,降低了迭代次数。展开更多