样本驱动的半自动图像集前背景分割

摘要：

图像集的前背景分割是近年来图像处理与图形学领域的一项热点研究工作.针对图像集中的图像逐个进行交互分割会涉及大量的用户操作,导致效率低下,而联合分割方法通常局限于处理具有相似前景的图像集,且因需求解大规模的优化问题较为耗时的问题,提出一种样本驱动的半自动图像集分割方法.首先选取若干图像作为样本进行手动交互分割,训练基于样本图像超像素特征描述的支持向量机分类器；对于其余待分割图像,根据其超像素特征描述到支持向量机分隔超平面的距离计算基于双弯曲Sigmoid函数映射的前景置信度,再采用图切割的算法实现目标图像的快速自动分割.对于包含错误分割的个别图像,进一步提出一种交互式局部修正方法修复错误分割区域,并获得最终的精确分割结果.在2个标准数据集上进行算法有效性验证和对比实验的结果表明,与联合分割算法相比,文中方法能更好、更快地实现在线分割；与逐个交互分割算法相比,文中方法能以相对较小的交互量实现对目标图像集的精确分割.

关键词：图像分割、联合分割、超像素、支持向量机、双弯曲Sigmoid函数

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61073098,61021062;国家"九七三"重点基础研究发展计划项目2010CB327903;江苏省自然科学基金BK2009081

在线出版日期：2013-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：794-801