基于标记的多尺度分水岭视频目标分割算法

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法。该算法以帧间变化检测为基础,通过改进的最小Tsallis交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象。实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性。

基于权值优化与纹理特征的快速人脸分割算法

针对传统Grab Cut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割,构建区域邻接图;然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,该算法分割结果更加准确,效率更高。

基于改进的Graph Cut算法的羊体图像分割

针对羊体图像复杂背景、不均匀光照且含有大量噪声等特点,提出一种融合多尺度分水岭的改进Graph Cut分割模型.引入多尺度分水岭对图像进行预分割,将基于像素级的Graph Cut算法转化为基于区域的算法以提高分割的效率.通过标记前景和背景种子点,利用模糊C均值算法实现前景和背景区域聚类.将多尺度分水岭分割的区域作为图割的顶点,以Lazy Snapping为框架计算图的边界项和数据项,并构造能量函数,通过最大流/最小割算法求解能量函数的最小值,从而实现图像分割.通过使用不同的分割算法进行实验比较,结果表明改进的算法在准确性和高效性方面都具有很好的性能.