融合特征的自适应超像素图割算法

摘要：

目的 针对图割(GrabCut)算法对于前景与背景颜色特征相差不大容易发生分割错误,SLIC (simple linear iterative clustering)预分割在对应情况下边缘不够准确以及时间复杂度较高等问题,提出一种融合特征的自适应超像素GrabCut算法.方法 该算法首先将图像转化到Lab色彩空间,并对原图像提取Gabor纹理特征,综合得到融合特征;再利用融合特征改进SLIC方法,使用改进方法对图像进行预分割,提取超像素区域,构建区域邻接图;然后保存每个超像素区域的融合特征,对两种特征分别进行高斯混合模型(Gaussian mixture model,简称GMM)建模,并利用相对熵自适应调整分割过程中混合特征的权重,优化Gibbs能量函数;最后执行迭代图割算法,得出分割结果.结论 实验结果表明,本算法对颜色特征不佳的情况下有较好的分割效果,并通过改进的SLIC预分割提高了算法的执行效率,降低了迭代次数,前景物体边缘也得到较好的保护.

关键词：图割、Gabor纹理特征、高斯混合模型(GMM)、相对熵、SLIC

所属期刊栏目：19

分类号：TP391(计算技术、计算机技术)

在线出版日期：2014-08-12（万方平台首次上网日期，不代表论文的发表时间）

页码：112-120