基于grabcut的图像目标提取_辛月兰

《基于grabcut的图像目标提取_辛月兰》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、２０１２年青海师范大学学报（自然科学版）２０１２第３期ＪｏｕｒｎａｌｏｆＱｉｎｇｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｎｏ．３基于Ｇｒａｂｃｕｔ的图像目标提取辛月兰（青海师范大学物理系，青海西宁８１０００８）摘要：在图像处理过程中，快速准确地提取感兴趣的目标是图像处理的一个重要任务．提出了一种基于Ｇｒａｂｃｕｔ准确提取图像目标的算法，该方法根据用户指定前景物的基本形态获取初始的前景、未知的背景区域，并用ｍｉｎｃｕｔ／ｍａｘｆｌｏｗ对分割能量函数进行了优化，利用大量图像对本文方法进行了实验分析，结果表明了算法能有效提取图像中感兴趣的目标．关键词：图割

2、；Ｇｒａｂｃｕｔ；图像分割；ＧＭＭ中图分类号：ＴＰ７５１文献标识码：Ａ文章编号：１００１－７５４２（２０１２）０３－００３０－０５０引言图像目标提取是图像处理中计算机视觉学科的重要分支，也是近年研究的热点之一．图像目标提取就是把感兴趣的区域从背景中分割、提取出来．针对图像目标提取，国内外学者发表了很多相关论文．［１］ＹｕｒｉＢｏｙｋｏｖ和Ｍａｒｉｃ－ＰｉｅｒｒｅＪｏｌｌｙ２００１年首次将图割（ｇｒａｐｈｃｕｔｓ）理论引入计算机视觉领域，他们提出并实践了一种新的基于能量最小化进行目标分割的方法，并提出了利用最大流／最小割算法进行全局组合［２］优化的目标提取方法．Ｒｏｔｈｅｒ等人在２

3、００４年提出的ＧｒａｂＣｕｔ算法，堪称目前目标提取效果较好的方法；［３］ＮｉｎｇＸｕ等人提出的基于图割理论的活动轮廓（ＧＣＢＡＣ）算法，克服了传统的活动轮廓算法容易陷入局部［４］最优的缺陷，能够快速、准确地收敛到目标的边界．ＮｈａｔＶｕ等提出了一种融入形状先验信息的图割提取多目标的分割方法，它能在图像包含噪声和杂波，以及局部闭塞和仿射变换的形状时很好地提取目标；［５］Ｆｒｅｅｄｍａｎ等结合形状先验设计了一个交互式图割分割算法，该算法解决了存在扩散边缘或多个相似目标相互靠近时提取感兴趣目标的问题．本文对Ｇｒａｂｃｕｔ算法进行了详细的分析，并通过实验验证了算法提取目标的有效性．１Ｇｒ

4、ａｂｃｕｔ算法Ｇｒａｂｃｕｔ算法是一种高效的前景背景分割算法，它是对ｇｒａｐｈｃｕｔ算法的改进，具有分割精度高，交互操作少等优点，并将分割从灰度图像推广到了彩色图像领域，是一种比较有前途的交互式分割算法．Ｇｒａｂｃｕｔ算法的交互是通过用户画框来实现的．用户在前景目标画一个矩形框，然后用ＧＭＭ初始化每个像素的初始值，然后迭代执行ｍｉｎｃｕｔ／ｍａｘｆｌｏｗ算法以达到最优分割．对于ＲＧＢ空间上的彩色图像，Ｇｒａｂｃｕｔ用来分割的Ｇｉｂｂｓ能量为：Ｅ（α，ｋ，θ，ｚ）＝Ｕ（α，ｋ，θ，ｚ）＋Ｖ（α，ｚ）（１）式中：Ｅ为Ｇｉｂｂｓ能量，Ｕ为数据项，Ｖ为光滑项；α为不透明度，α∈［０，１］

5、，０为背景，１为前景目标；θ为图像前景和背景的灰度直方图；ｚ为图像灰度值数组，ｚ＝（ｚ１，···，ｚｎ，···，ｚＮ）．数据项Ｕ定义为：Ｕ（α，ｋ，θ，ｚ）＝∑Ｄ（αｎ，ｋ，θ，ｚｎ）（２）ｎ其中Ｄ（αｎ，ｋｎ，θ，ｚｎ）＝－ｌｏｇπ（αｎ，ｋｎ）－ｌｏｇｐ（ｚｎ｜αｎ，ｋｎ，θ）（３）其中π（·）是该高斯模型的样本数在总样本中的权值，ｐ（·）是高斯概率分布，所以数据项也可以为下式：收稿日期：２０１２－０４－２８作者简介：辛月兰（１９７３－），女，青海乐都人，副教授．主研方向：图像处理、模式识别．第３期辛月兰：基于Ｇｒａｂｃｕｔ的图像目标提取３１Ｄ（αｎ，ｋｎ，θ，ｚｎ）＝－ｌｏ

6、ｇπ（αｎ，ｋｎ）＋０．５ｌｏｇｄｅｔ∑（αｎ，ｋｎ）＋０．５［ｚｎ－（４）（α，ｋ）］Ｔ（α，ｋ）－１［ｚ（α，ｋ）］μｎｎ∑ｎｎｎ－μｎｎ因此，高斯混合模型的参数模型为：θ＝｛πα（，ｋ），μ（α，ｋ），∑（α，ｋ），α＝０，１，ｋ＝１，···，Ｋ｝（５）其中πα（，ｋ）为每个高斯概率分布的样本数在总样本数中的权值；μ（α，ｋ）为高斯模型的均值；∑（α，ｋ）为协方差；α为不透明度Ａｌｐｈａ值；ｋ为高斯混合模型参数．平滑项Ｖ用ＲＧＢ空间的欧几里德距离求２Ｖ（α，ｚ）＝γ∑［αｎ≠αｍ］ｅｘｐ－β‖ｚｍ－ｚｎ‖（６）（）ｍ，ｎ∈ｃ２最小化能量并分割Ｇｒａｂｃｕｔ中的能量最小化通过

7、迭代来实现，不像ｇｒａｐｈｃｕｔ算法是一次实现的，优点是可自动修改不透明度α值，并利用从初始三元图的Ｔｕ像素中重新确定的像素来校正彩色模型ＧＭＭ的参数θ．２．１算法流程整个ｇｒａｂｃｕｔ算法由初始化、迭代最小化和用户修正几个部分组成．（１）初始化ａ．用户通过设定背景ＴＢ来初始化三元图Ｔ．前景设为空，即ＴＦ＝，未知区域Ｔｕ设置为背景的补集，－即Ｔｕ＝ＴＢ．ｂ．对于所有背景区域的像素，将它们的Ａｌｐｈａ值设置为０；对于未知区域的像素点，将它们的Ａｌｐｈａ值设置为１．ｃ．分别用αｎ＝