论文部分内容阅读
在计算机视觉技术中图像分割是重要的底层技术。在图像识别、图像检索、图像分析等人工智能领域中都会应用到图像分割。可见在数字图像处理中,图像分割技术处于基础地位,其意义不言而喻。由于自然图像包含了复杂的颜色特征和纹理特征,导致自然图像应用在自动的图像分割中很难产生出令人满意的结果。所以交互式图像分割技术被提出,通过用户输入的交互式信息算法能够准确的分割出图像中的目标主体。但现有的交互式图像分割算法在处理大分辨率图像时需要花费巨大的时间开销且不能在一幅图像中分割多个主体。这不仅降低了用户的工作效率还严重的影响了图像分割技术的实用性。为此本文围绕着对现有算法性能改进的原则出发,将超像素算法与传统的Grab Cut算法和区域融合算法相结合。提出了改进的Grab Cut算法和基于最大相似度的区域融合算法,从而减少对大分辨率图像的处理时间,并且改进的区域融合算法还具备分割多个主体的功能。本文工作如下:1、对现有交互式图像分割技术的相关理论基础做出介绍,详细讲述了经典的Graph Cuts算法和Grab Cut算法的具体实现以及不足。2、介绍了常见的7种超像素算法,并对这些算法进行实验,结合实验结果对这7种算法做了性能及质量对比,选出符合我们要求的SLIC算法。3、将SLIC算法与Grab Cut算法相结合,经过实验对比证明了改进后算法的运行速度上比传统的Grab Cut算法快4到9倍。4、对传统的区域融合算法进行改进,加入了区域间的最大相似度规则从而取消了让用户手动设置阈值进行分割的方式,并把预分割阶段中的分水岭算法替换为SLIC算法。我们改进的区域融合算法有着更快的运行速率以及具有分割多个主体的功能。