基于双边网格和置信颜色模型的快速图像鲁棒分割方法

为了在提供少量用户交互的情况下快速、准确地处理复杂自然图像的前景提取任务,提出一种基于双边空间和置信颜色模型的快速图像鲁棒分割方法.首先使用分辨率明显低于输入图像的双边网格重采样输入图像,极大地减少待处理的图像数据量;其次基于双边网格顶点构建图并定义图切割能量项,根据高斯分布规律定义未知颜色和二义颜色的辨别准则,以构建鲁棒的颜色模型;最后采用标准的最大流/最小割算法进行全局优化求解,实现高质量的图像前景提取.实验结果表明,该方法不仅能够在1 s内提取出高分辨率图像满足实时性要求的、有意义目标物体,而且还实现了复杂场景下的图像鲁棒分割.