基于高斯超像素的快速Graph Cuts图像分割方法

摘要：

提出了一种交互式的快速图像分割方法.该方法通过使用高斯超像素来构建Graph cuts模型以实现加速.首先,利用融合了边缘置信度的快速均值漂移算法,将原始图像高效地预分割为多个具有准确边界的同质区域,并将这些区域描述为超像素,用于构建精简的加权图.然后,使用区域的彩色高斯统计对超像素进行特征描述,并在信息论空间中对高斯距离度量进行设计.另外,为了准确而精炼地对先验知识进行参数化学习,本文还使用了分量形式的期望最大化混合高斯(Component-wise expectation-maximization for Gaussian mixtures,CEMGM)算法对用户交互进行聚类.最后,在改进的加权图模型中应用Graph cuts方法,获得最终的分割结果.通过使用不同的彩色图像进行分割实验比较,仿真结果表明本文的方法在准确性和高效性方面都具有很好的性能.

关键词：图像分割、图切分、超像素、高斯模型、均值漂移、期望最大化算法

所属期刊栏目：37

分类号：TP2(自动化技术及设备)

资助基金：国家高技术研究发展计划863计划2009AA042107;2007AA01Z166;国家自然科学基金61073093;国防自主创新基金

在线出版日期：2011-06-01（万方平台首次上网日期，不代表论文的发表时间）

页码：11-20