GrabCut彩色图像分割算法的研究

GrabCut算法是一种高效的前景背景分割算法。传统分割算法应用纹理或边界信息中的一种进行分割,而GrabCut算法综合利用了纹理及边界两种信息进行图像分割。GrabCut算法是对Graphcuts算法的改进,具有分割精度高,交互式操作少的优点,并将分割从灰度图像推广到了彩色图像领域,是一种比较有前途的交互式分割算法。该算法用在静态图像编辑中的图片背景更换,取得了很好的效果。

基于SLIC的GrabCut减小姿态搜索空间算法

针对人体的高自由度导致姿态估计过程中搜索空间过大的问题,提出一种基于简单线性迭代聚类(SLIC)超像素算法的Grab Cut减小姿态空间算法。运用SLIC算法对图像进行超像素分割,以超像素作为s-t图中的节点构建图模型,利用超像素区域的颜色特征平均值作为该区域内每个像素的特征值,分别为前景和背景超像素建立混合高斯模型,迭代更新高斯参数,运用最小割算法完成前景提取,并在得到的前景区域中进行后续的姿态估计。实验结果表明,基于SLIC的Grab Cut与基于Grab Cut的减小搜索空间算法在运行时间和姿态估计准确度上均有较大程度提升。

应用于刹车盘复杂背景去除的改进Grab Cut分割算法

针对无序分拣过程中车间光照不均导致的分割结果不准确问题,提出一种改进的Grab Cut图像分割算法。该算法采用自适应中值滤波去除图像表面噪声;通过限定对比度自适应直方图均衡化提升图像整体亮度,增强对比度;进一步使用Laplacian算子对刹车盘区域进行锐化处理;在此基础上对刹车盘图像复杂背景进行去除;最后通过仿真实验对比分割效果、PSNR、误分割率、分割准确性和运行时间来评价算法模型。实验结果表明:提出的改进Grab Cut分割算法相较于原始算法能有效降低光照不均对刹车盘复杂图像背景去除的影响,使分割准确率提高了12.5%,分割结果与实际刹车盘模型相比误差小,为刹车盘图像复杂背景去除提供参考。

基于Grab Cut和区域生长的服装图像前景提取算法

针对Grab Cut算法应用于服装检索系统中服装图像的前景提取时所存在的交互式和复杂背景提取效果差问题,首先提出了一种全自动化的Grab Cut算法,以实现自动根据背景情况,对单一背景和复杂背景图像分别采用不同的方法生成初始矩形框并进行前景提取.由于该算法仍存在欠分割或过分割现象,故将该算法与区域生长算法相结合,给出了一种结合区域生长的全自动化Grab Cut算法.实验结果表明,无论对于单一背景还是复杂背景的图像,改进算法的前景提取效果都明显优于传统算法,不仅能准确获取服装前景区域,而且对于服装内部的过分割问题也有很大的改善.

基于标记提取的GrowCut自动分割算法

Grow Cut算法是基于细胞自动机的交互式图像分割方法,针对该算法要求用户标记初始种子需要较多工作量,且带有一定的主观性和不确定性,导致分割结果出现较大误差的问题,文中提出了简化标记,自动生成初始种子模板的基于标记提取的Grow Cut分割算法。该算法在Grow Cut算法基础上通过阈值和形态学方法预处理生成初始种子模板,运用细胞自动机迭代算法完成目标的提取。算法避免了用户人工交互约束的繁琐操作,实现了完全自动分割。通过实验对彩色图像进行自动分割,实验结果证明该算法简便、用时少,分割结果比较精确。

基于余弦相似度的Graph Cuts序列图像分割算法

传统Graph Cuts算法容易出现漏分割、误分割现象,分割效果有待提高,且需要人工交互分割效率不高。针对传统算法的不足,提出基于余弦相似度的Graph Cuts序列分割图像算法。使用最大余弦相似度构造能量函数的区域项,计算超像素与种子聚类区域的最大余弦相似度。使用余弦相似度和颜色相似度来构造边界项,计算邻域超像素的颜色和相对距离特征相似度。将该算法与传统Graph Cuts算法进行分割结果比较精确率和召回率等均有提高,漏报率降和虚报率明显降低。算法应用于序列图像分割,减少人工交互,提高分割效率。

基于图割算法的木材表面缺陷图像分割

木材表面缺陷分割的研究能够有效提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。为了更好地对板材表面的节子和虫眼进行快速有效地分割,论述了基于图割算法的图像分割方法(Graph Cuts)及其改进方法(Grab Cuts)的原理。针对传统Graph Cuts算法只能针对灰度图像进行分割、运行时参数的选择比较复杂,并且存在该算法效率和精度较低的缺陷,采用这两种方法分别对3种木材表面缺陷活节、虫眼和死节图像进行分割实验。为了验证Grab Cuts方法的适用性,用含有多个缺陷目标的木质板材图像做了图像分割验证。结果表明:缺陷图像的目标和背景的种子点选取直接影响Graph Cuts算法的分割结果,Graph Cuts算法的计算效率较低,分割时间较长,对相邻像素间的区分度较差,分割结果不理想。改进后的Grab Cut算法是迭代的Graph Cuts,该方法虽然在图像分割前也需要人工画定初始化矩形框,但操作相对简单,分割结果能够得到完整的闭合缺陷区域边界,且不受木材表面缺陷的类型、数量、尺寸和缺陷形状的影响,分割效果好,分割速度快,抗噪性强,对灰度图像和彩色图像都可使用。

基于Grab Cut和二维熵的SAR图像目标分割方法

传统的Grab cut算法需要人工交互操作,无法实现SAR图像的自动分割;且SAR图像的斑点噪声干扰容易降低图像的分割质量。针对以上问题,文中以Grab Cut图像分割算法为基础,首先利用FCM算法对SAR图像进行预分割,根据预分割结果标记SAR图像中的前景与背景集合,得到两组较为准确的GMM初始化参数,迭代求得能量函数的最小化,实现SAR图像前景区域与背景区域的自动分割;并结合二维熵算法滤除SAR图像中的阴影,分割出目标区域。实验表明,利用该方法可自动分割出SAR图像中的目标,且分割质量良好。

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。

肤色检测结合Grab Cut的服装图像前景提取

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取.实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.

结合形状约束的Graph Cut行人分割

传统的Graph Cut算法没有对目标的形状予以限制,很难得到语义化的分割结果,即无法保证分割出来的是"行人"。针对该问题提出一种结合形状和底层特征的Graph Cut算法。对于行人分割,用大量真实行人轮廓来表达"行人"的先验形状,对Graph Cut分割算法予以约束,同时构建一个行人模板的层次树以减少匹配时间;并且提出一种区分性的外观模型来替换原来的外观模型。实验结果证明,该算法的分割结果明显优于传统Graph Cut算法的分割结果,所得到的轮廓与真实的行人轮廓比较吻合。

改进的肝脏软组织分割算法及实时绘制

提出了一种基于GraphCut算法的高精度CT肝脏软组织分割算法，并利用开放运算语言（OpenCL）实现了肝脏软组织实时高效绘制。这种改进的GraphCut算法分割准确度高，平均正确率达到96．2％，而且利用OpenCL实现的基于八叉树的改进RayCasting算法大大提升了并行绘制速度，得到了近于200倍的加速，从而为实现实时跨平台虚拟手术系统提供了有力保障，也使得医生可以更高效更准确地诊断、治疗病患，该方法有良好的实用前景。

宫颈细胞核质自动分离算法研究

宫颈细胞核质分离在宫颈细胞形态学研究中是十分重要且具有挑战性的环节。论文提出了一种基于Grab Cut算法结合Canny算子边缘检测高效分离宫颈细胞核与细胞质的方法。对获取宫颈细胞图像进行灰度变化预处理求得灰度直方图,根据直方图求解确定Canny算子双阈值,进而获取宫颈细胞核和细胞质的轮廓;根据获取的轮廓利用改进的Grab Cut算法进行核质分离,并且针对Grab Cut算法进行相应改进,使其高斯混合模型的参数的确定效率提升。实验结果表明,该算法不仅有较好的分割效果而且分割准确率与效率也很高。

基于图像分割算法的篮球对象提取方法

本文提出了一种基于图像分割算法的篮球对象提取方法。针对篮球视频中篮球对象唯一性的特点,对视频图像进行混合高斯建模,采用Grab Cut算法对篮球对象进行分割,实现对篮球前景的提取。仿真实验结果表明对篮球视频中篮球对象分割提取具有良好的效果,且该方法具有交互操作少,分割精确度高的优点,能够推广到彩色图像领域。

一种基于Graph Cuts的SAR图像分割方法

在最小化由马尔科夫随机场(MRF)图像分割模型建立的能量函数方面,基于Graph Cuts的alpha-expansion是一种比较有效的算法。但是,由此算法构建的s/t图中边的数目非常多,运算速度很慢。为了减少alpha-expansion算法的计算量,本文在标号为alpha的像素向其它像素膨胀的过程中,先隔离非alpha类间的联系,而只考虑alpha类与非alpha类之间的关系,从而避免了alpha-expansion算法需要构造辅助结点的问题,减少了s/t图中边的数目,提高了算法的计算效率。因放松了非alpha类间的关系对alpha膨胀的约束,使得算法可以更容易得跳出能量函数的局部极小点而获得更优的分割结果。实验中将改进的算法与传统的基于Graph Cuts的算法做了对比,显示了新算法在运算时间和最小化能量方面的有效性。

结合显著性和Graph cuts的肺区域图像分割

针对肺部CT图像灰度分布不均匀、各组织结构复杂导致难以准确地分割提取出肺区域的问题,提出了一种结合图像显著性和Graph cuts的肺区域自动分割方法.对10位病例的CT图像序列进行测试,结果表明:该方法可以自动完成肺区域分割,具有较高精度,且耗时较少.

视频分割中特殊编辑的一种检测算法

在现有的编辑以及镜头操作的检测方法中 ,对突然变化的检测相对容易一些 ,而对镜头操作的检测比较困难 .提出了一种在压缩域上 ,对 MPEG流 DCT变换的直流分量沿时间轴形成的 3维数据空间中 ,运动向量随时间累积的分布效果进行分析的方法 ,来对特殊编辑与镜头操作进行检测 .与现有的视频分割方法相比较 ,有较好的对光照度变化。

结合GMM和Graph-Cuts的直观传输函数设计方法

提出一种新的基于笔画的传输函数设计方法。与其他基于笔画的方法相比,该方法只要求用户对感兴趣数据做少量标记,操作更简便;另外该方法更好地考虑了体数据的空间信息,分类结果更合理。首先使用贪心极大似然估计算法构建用户感兴趣数据和背景数据的高斯混合模型(GMM)模型;然后基于GMM模型使用Graph-Cuts实现对体数据的分类,并通过仔细设计Graph-Cuts能量函数的平滑项将空间信息引入分类过程。针对体数据的规模大,难以直接应用Graph-Cuts算法的难题,在此通过使用层次模型减小Graph-Cuts算法所处理问题的规模,从而获得了实时交互的效果。该方法使用多个体数据进行测试,获得令人满意的效果。

基于聚合通道特征的防震锤锈蚀缺陷识别算法

高压输电线路中防震锤锈蚀会危害输电线路的安全运行。基于图像处理技术提出了一种基于聚合通道特征的防震锤检测和锈蚀缺陷识别的算法。该算法首先引入聚合通道特征(Aggregate Channel Features,ACF)分别提取无人机拍摄的输电线路图像中的颜色、梯度幅值和梯度方向直方图,构建多尺度ACF金字塔;利用滑窗法和Adaboost分类器检测图像中的防震锤,并使用非极大抑制操作得到最佳防震锤的位置;再结合Graph Cuts算法实现防震锤图像的分割;最后采用RGB颜色模型识別防震锤锈蚀缺陷。实验结果表明:该算法对防震锤位置的检测和锈蚀识别的精度较高。

基于热红外成像技术的油菜菌核病早期检测研究

将热红外成像技术和低空遥感技术相结合,基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。从冠层尺度分析,首先获取整株样本的温度值(平均温度与最大温差),并采集其生理指数(气孔导度、 CO_2浓度、蒸腾速率及光合速率)。然后,将染病样本与健康样本的温度值进行判别分析,并对其进行单因素方差分析。从结果可知,平均温度和最大温差值都可以对染病样本与健康样本进行区分,且最大温差相较平均温度结果较明显。同时单因素方差分析也显示,最大温差三次检测中均存在显著性差异。对获取的生理指数进行分析,发现染病样本与健康样本之间可以通过生理指数进行明显区分。另外,将生理指数与叶片温度进行相关性分析,结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。基于叶片尺度,首先从单一叶片来看健康区域和染病区域的温度差异,可以明显区分出染病区域和健康区域的温度差异。然后,提取健康区域与染病区域的的温度值(最大温度、最小温度、平均温度以及最大温差)对进行对比分析,并对其进行单因素方差分析。结果表明,以上四个温度指标均可以区分叶片的染病区域和健康区域。但根据单因素方差分析结果可知,与冠层尺度相同,最大温差三次检测中均存在显著性差异,可以实现对油菜菌核病的早期识别。