自然图像抠图方法讨论

自然图像抠图是一种把图像的前景部分从背景中分离出来的技术,它通过用户交互,指定图像中的少量部分前景和背景区域,并根据这些线索按照一定的判定逻辑自动、准确地分离出所有的前景物体.文章对若干代表性的抠图技术进行简要的介绍,同时对这几种技术的局限性以及发展方向做了简要的讨论.     

快速图像分割和抠图技术研究

为解决现有算法速度慢、 集成度低的问题, 提出了改进的算法。利用图像分割算法Grabcut对图片的前景进行分割； 高效地生成三分图, 并以此作为基于三分图的抠图算法Shared Matting的输入； 综合处理抠图结果。针对该系统的特点, 使用下采样技术对Grabcut算法进行优化, 加快分割速度, 并对三分图生成算法和Shared Matting抠图算法进行并行性加速。仿真实验结果表明, 该系统适用性较强, 可用性较好, 并能在短时间内利用较少的交互量取得较理想的抠图效果。     

基于K-means算法分割遥感图像的阈值确定方法研究

当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。     

利用超图图割的图像共分割算法

针对基于传统图割的图像共分割算法存在计算复杂度高而导致分割效率低的问题,提出了一种基于超图的图像共分割算法,利用超图能更简洁有效地代表图像中特征关系的特性来提高图像共分割的效率。该算法首先对具有相似前景的2幅图像分别进行Mean-shift过分割,并将得到的过分割区域分块作为超图的节点;然后利用分块的颜色直方图计算所有分块间的相似性,并将相似的分块对应的相似节点集合和单幅图像中相邻节点集合作为超边并计算其权值,构造超图;最后利用基于谱分析的近似算法求解超图归一化分割问题,获得图像对的共分割结果。实验结果表明,所提算法相比于单幅图像的归一化分割算法以及基于传统图割的图像共分割算法具有更好的分割效果,同时分割时间缩短至少45%。     

基于图像分割的视频差错复原算法

人们可能更多的注意感兴趣的区域和倾向于对背景的改变不太敏感.根据人眼的这一视觉特性;论文提出了基于图像分割的视频差错复原算法,并实现了支持该算法的H.264编解码器.该算法利用;灵活宏块排序技术对图像帧进行分割,将图像帧分割为前景子图像和背景子图像.与背景子图像相比,对前景子图像按更高图像质量的要求进行编码,并且对对前景子图像的传输进行更有效的保护.实验结果表明,论文提出的基于图像分割的差错复原算法具有良好的容错性能,重建图像的主客观质量良好.     

基于图割和Sobel算子的视频分割算法

针对前景和背景交界处对比度较低的图像分割问题,提出了基于图割和Sobel算子的视频分割算法.首先建立包括颜色分量和对比度分量的能量函数;然后对当前帧和背景求梯度,使用背景的像素梯度来减弱当前帧中背景部分强边缘的梯度值,同时对由颜色模型建立的图像进行Sobel边缘检测,将得到的边缘检测的结果应用到颜色分量和对比度分量中来增加前景和背景对比度;最后,使用图割算法,对能量函数进行最小化求解最终得到分割结果.实验结果表明,当前景和背景交界处颜色相近时,本文分割算法能有效降低分割错误率.     

利用视觉显著性的前景目标分割

针对图像中的前景目标分割问题,提出一种视觉显著性引导的前景目标分割算法.对原始图像进行预处理后分解为互不重叠的超像素区域.将这些区域构成一个无向图,相邻两个区域间存在边,通过计算相邻区域间的特征差异得到边的权值.提取图像边缘的超像素区域作为背景区域,利用无向图计算各超像素区域相对于背景区域的视觉显著性,得到初始显著图.对初始显著图进行改进和优化,根据视觉显著性计算结果采用自适应阈值进行前景目标分割.在公开的图像数据集MASR-1000、ECSSD、Pascal-S和SOD上进行实验验证,并和目前流行的算法进行对比.结果表明,本研究算法在查准率、召回率、平均绝对误差及F-Measure等方面优于目前流行的几种算法,用于图像和视频的前景目标检测与分割是正确有效的.     

基于改进CV模型的高原鼠兔图像分割

针对CV模型无法分割灰度不均图像的问题,提出改进CV模型.在CV模型能量泛函中引入前景灰度不均抑制项,使CV模型能够对前景灰度不均图像进行分割.此外,在图像预处理阶段引入四叉树方法和大津法,缩小CV模型分割图像的搜索范围,减少分割时间;弥补CV模型须要手动设置初始轮廓的问题.实验结果表明:改进CV模型能够实现对前景灰度不均图像的精确分割,且耗时少,在背景抑制、目标区域轮廓定位等方面效果好.     

基于显著性检测和Grabcut算法的茶叶嫩芽图像分割

人工采茶存在效率低下、人工成本高等问题,机械采茶取代人工采茶成为一种重要的采茶方式,针对机械采茶中自然背景茶叶嫩芽分割效率问题,提出了一种自然背景下的茶叶嫩芽图像分割算法.利用显著性检测算法提取出图像中的突出目标作为显著性图,结合GrabCut算法精确的分割出突出的对象.实验结果表明,该图像分割算法对于背景复杂且目标与背景对比不明显的茶叶图像具有良好的分割效果,这为机械手采茶提供了一种新的方法.     

基于GrabCut的免交互图像分割算法

针对GrabCut算法需要用户交互进行初始矩形框的设定而不能做到自动分割,且在前景图像较为复杂时分割效果不佳等问题,提出一种基于GrabCut的免交互图像分割算法。首先,训练Faster R-CNN网络,将待分割图像通过Faster R-CNN进行目标检测来得到前景目标所在区域矩形框;然后在k-means算法初始化高斯混合模型时加入位置信息,进行聚类以得到优化的初始高斯混合模型参数;最后对GrabCut算法分割结果中的边缘像素进行平滑后处理。试验结果表明,该算法无需用户交互即可完成分割且相比原始GrabCut算法具有更好的视觉效果和更高的分割正确率。     

结合Kinect深度图的快速视频抠图算法

现有视频抠图算法主要存在人机交互繁琐、计算复杂度高的问题,为此,该文提出了一种利用Kinect深度图的新的快速视频抠图算法。首先结合彩色图信息改进区域生长算法,估计出三色图(原始图像被3种颜色标记出前景、背景和未知区域)以避免深度图中遮挡区域的影响。其次,提出前景和背景样本点集二次筛选机制,保证估计精度的同时大幅降低计算复杂度。最后,采用深度、彩色和置信度图对抠图结果进行加权滤波,减少不透明度图像中低置信度的像素点和不平滑区域。实验结果证明了该算法精度高、速度快且交互简单。     

A matting method based on color distance and differential distance

A new matting algorithm based on color distance and differential distance is proposed to deal with the problem that many matting methods perform poorly with complex natural images.The proposed method combines local sampling with global sampling to select foreground and background pairs for unknown pixels and then a new cost function is constructed based on color distance and differential distance to further optimize the selected sample pairs.Finally,a quadratic objective function is used based on matte Laplacian coming from KNN matting which is added with texture feature.Through experiments on various test images,it is confirmed that the results obtained by the proposed method are more accurate than those obtained by traditional methods.The four-error-metrics comparison on benchmark dataset among several algorithms also proves the effectiveness of the proposed method.     

一种基于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、复杂背景提取效果差等问题,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.     

一种新的背景模型建立及更新方法

提出一种新的建立背景模型和更新背景的方法．首先采用一种新颖的类Hausdorff距离建模方法建立初始背景，然后对每一输入帧使用背景差分法获得前景，并利用高效分类器创造性地将前景分类为运动目标、静止目标、虚假目标、噪声，最后在背景更新阶段使用基于前景目标的背景更新方法．实验结果表明，本方法能建立可靠初始背景，并能有效地解决背景更新“死锁”问题，增强背景模型的鲁棒性．     

基于图像块分割及小波空间频率的多聚焦图像融合法

提出了一种基于图像块分割及小波空间频率的多聚焦图像融合算法.采用块区域局部小波空间频率作为图像是否清晰的判断依据,对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域;而对于清晰与模糊的边界区域,采用了基于像素的窗口空问频率的方法进行融合处理.实验对比结果表明,该方法明显优于小波变换方法和图像块方法.     

基于交叉协方差子空间估计的前景检测方法

提出了一种基于交叉协方差子空间估计的背景建模方法,用以实现复杂场景下的前景检测.基于交叉协方差的主成分分析方法可以保留更多的图像协方差信息,因此非常适合用于背景模型的构建.本文首次将基于交叉协方差的二维主成分分析方法引入至背景建模领域,并且提出了相应的增量更新算法来实现背景的自适应估计.此外,本文考虑了前景的稀疏性及连续性,并将其合理应用于前景检测过程中.定量实验和定性分析表明,本文提出的方法具有较强的鲁棒性,可以实现复杂场景下的准确背景建模.      

基于单目深度估计方法的图像分层虚化技术

实现了一种基于单目深度估计方法的图像分层虚化技术,可使前景清晰背景模糊,离镜头越远虚化效果越明显:首先对图像等比例缩小并且对图像中的物体做边缘检测,并利用线性追踪生成线条扫描信息图,利用双边滤波器对初始深度图做平滑处理得到深度图,依据深度信息选择阈值将图像分层,在分层的基础上对图像背景做高斯模糊处理,最终得到图像分层虚化效果,增强图像的表现力和艺术效果. 本技术的实现效果较为理想,能达到良好的图像分层虚化效果。     

基于K-means和GVF Snake模型的纤维图像分割

在纤维图像自动识别系统中,分割出完整连续的纤维是纤维特征分析的必要前提.针对纤维图像的背景和前景灰度区别不大、光照不均对图像的影响等特征,提出融合K-means和GVF(Gradient Vector Flow)Snake模型的纤维图像分割算法.该算法以提取完整连续的纤维轮廓为标准,利用K-means聚类分割结果为GVF Snake模型的初始轮廓线,并对得到的存在毛刺的轮廓结果采用轮廓跟踪去除毛刺,从而得到完整连续的单根纤维图像.该算法不仅能有效解决传统图像分割方法对纤维图像分割的不连续问题,而且能有效抑制纤维图像中噪声的影响.