基于双边网格和置信颜色模型的快速图像鲁棒分割方法

摘要

本文提出一种基于双边空间和置信颜色模型的快速图像鲁棒分割方法,在提供少量用户交互下,该算法能够快速、准确地处理复杂自然图像的前景提取任务.首先,使用分辨率明显低于输入图像的双边网格重采样输入图像,从而极大地减少待处理的图像数据量.其次,基于双边网格顶点构建图并定义图割能量项,主要在于根据高斯分布规律定义未知颜色和二义颜色的辨别准则以构建鲁棒的颜色模型.最后,采用标准的最大流/最小割算法进行全局优化求解,从而实现高质量的图像前景提取.实验结果表明,该算法不仅能够在1秒内提取出高分辨率图像中的有意义目标物体,这是满足实时性要求的,而且还实现了复杂场景下的图像鲁棒分割.