基于图像多尺度分解的前景提取

• 作者: 王斌 何坤 王丹
• 来源期刊: 四川大学学报（自然科学版）
• 关键词: 前景提取 多尺度分解 直方图形状分析 分解尺度
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机科学|Computer Science
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19907/j.0490-6756.2021.032001

摘要

为了弥补纹理对传统GrabCut提取结果的负面影响,本文分析了图像边缘和颜色分布的尺度特性,结合图像多尺度分解和GrabCut,提出了基于图像多尺度分解的前景提取模型.首先,该模型运用全变分对图像进行多尺度分解得到一系列平滑图像,该分解保护了图像边缘并平滑了纹理,压缩了图像区域颜色的分布范围;其次,将给定平滑图像前景颜色分布表示为高斯混合模型,并运用直方图形状分析方法优化了高斯混合模型的高斯函数个数,弥补了传统固定高斯函数个数的负面影响;最后,根据不同平滑图像的分割结果设计了迭代终止条件,使得从适当的分解尺度中提取前景.与传统前景提取算法相比较,该模型降低了纹理对前景提取的负面影响,其测评分数高于传统算法.