电讯技术

作者：王晓宇,杨帆,范海瑞,温洁,潘旭冉

单位：(河北工业大学 电子信息工程学院，天津 300401;1.河北工业大学 电子信息工程学院，天津 300401;2.天津市电子材料与器件重点实验室，天津 300401)

关键词：图像分割；显著性检测；超像素；高斯混合模型；

基金：河北省自然科学基金项目(E2016202341);河北省高等学校科学技术研究项目(BJ2014013)

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题，提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域，并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图，能够有效改善边界的分割效果，然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率，通过聚类以超像素代替原像素，并反复迭代高斯混合模型（Gaussian Mixed Model，GMM）参数，最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标，对高分辨率图像也有很好的适用效果，相比于其他算法在分割精度上提高10%左右，并具有较高的分割效率。

来源：2019年第2期

《电讯技术》期刊编辑部

查看电讯技术杂志2019年第2期