基于概率神经网络改进的GrabCut算法

摘要：

针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法.该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度.在公开的ADE20K数据集中选取图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度优于其他对比算法,且效率较高.对前景与背景相似度高的图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度明显高于GrabCut算法.

关键词：图像处理、概率神经网络、高斯混合模型、图像分割

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：河北省高等学校科学技术研究重点项目;河北省研究生创新项目

在线出版日期：2021-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：236-243