戴珊

【摘要】 本文中，利用流形排序進行建模，對圖像中的物體進行分割。該模型主要基于這樣的假設(shè)，限位框周圍的區(qū)域都屬于背景區(qū)域，因此其他區(qū)域可以分別與四個邊界的區(qū)域進行排序。得到第一部分顯著圖后，再進行自適應(yīng)的二值分割，可以作為前景索引，進行進一步的排序，獲得最終的顯著圖。

【關(guān)鍵詞】 交互式圖像分割 流形排序 限位框

一、引言

圖像分割是計算機視覺與圖像處理中最基本的問題之一，圖像分割將圖像中的像素集合劃分為不同的子集，有效簡化對圖像的處理、描述和理解[1]。但是僅依靠圖像像素的分布規(guī)律進行自動圖像分割，只能將圖像分為顏色、紋理特征相似的多個區(qū)域，而很難講圖像中的目標對象分割出來[2]，交互式圖像分割則可以通過簡便直觀簡單的人機交互，對圖像中的目標對象進行準確的分割[3]。

交互式圖像分割方法可以分為兩類：基于邊界的方法和基于區(qū)域的方法[4]。基于邊界的方法要求用戶用一條曲線標明邊界的大致位置，然后根據(jù)圖像特征對曲線進行優(yōu)化使其貼近圖像的前景邊界；由于基于邊界的方法交互較為復(fù)雜，基于區(qū)域的方法受到更多關(guān)注，基于區(qū)域的方法需要用戶簡單標注出前景與背景，通過區(qū)域生長、區(qū)域合并等類似的方法實現(xiàn)前景與背景的分割。目前交互式圖像分割的研究難點主要在于，分割效果受人工標記影響較大，分割邊緣不平滑，對復(fù)雜圖像分割不準確，而且對于高分辨率圖像分割效率較低。

本文對基于限位框的方法展開研究，由于限位框所經(jīng)過的區(qū)域往往都屬于圖像的背景區(qū)域，換而言之，與所包含的目標對象在外觀上具有較大差距，因此本文引入流形排序，以四條邊界為索引，進行排序，得到的排序結(jié)果再進行二值化處理，再作為新的前景索引，進行進一步的排序，獲得最終的顯著圖。顯著圖表達了各個區(qū)域?qū)儆谇熬暗母怕?，根?jù)此概率分布可以利用簡單的二值處理或者利用最小割最大流進行分割，獲得最終的結(jié)果。

二、 算法介紹

2.1 流形排序

三、總結(jié)

本文引入流形排序算法，進行基于限位框的交互式圖像分割方法建模。首先，對限位框區(qū)域進行過分割，并提出一種簡單的超像素數(shù)目確定方法。然后，構(gòu)建單層閉合圖，在該圖上進行基于背景索引、前景索引的共五次流形排序獲得最終的顯著圖，再利用該顯著圖結(jié)合圖割運算進行前景與背景的分割，得到分割結(jié)果。

參 考 文 獻

[1] Zheng S， Cheng M M， Warrell J， et al. Dense semantic image segmentation with objects and attributes[C]//IEEE Conference on Computer Vision and Pattern Recognition. Columbus， USA： IEEE， 2014： 1-8.

[2] Arbelaez P， Maire M， Fowlkes C， et al. Contour detection and hierarchical image segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2011， 33（5）： 898-916.

[3] Nieuwenhuis C， Cremers D. Spatially varying color distributions for interactive multilabel segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2013， 35（5）： 1234-1247.

[4] Sener O， Ugur K， Alatan A A. Error-tolerant interactive image segmentation using dynamic and iterated graph-cuts[C]// Proceedings of the 2nd ACM international workshop on Interactive multimedia on mobile and portable devices. Nara， Japan： ACM， 2012： 9-16.