2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于高斯超像素的快速Graph Cuts图像分割方法

韩守东 赵勇 陶文兵 桑农

韩守东, 赵勇, 陶文兵, 桑农. 基于高斯超像素的快速Graph Cuts图像分割方法. 自动化学报, 2011, 37(1): 11-20. doi: 10.3724/SP.J.1004.2011.00011
引用本文: 韩守东, 赵勇, 陶文兵, 桑农. 基于高斯超像素的快速Graph Cuts图像分割方法. 自动化学报, 2011, 37(1): 11-20. doi: 10.3724/SP.J.1004.2011.00011
HAN Shou-Dong, ZHAO Yong, TAO Wen-Bing, SANG Nong. Gaussian Super-pixel Based Fast Image Segmentation Using Graph Cuts. ACTA AUTOMATICA SINICA, 2011, 37(1): 11-20. doi: 10.3724/SP.J.1004.2011.00011
Citation: HAN Shou-Dong, ZHAO Yong, TAO Wen-Bing, SANG Nong. Gaussian Super-pixel Based Fast Image Segmentation Using Graph Cuts. ACTA AUTOMATICA SINICA, 2011, 37(1): 11-20. doi: 10.3724/SP.J.1004.2011.00011

基于高斯超像素的快速Graph Cuts图像分割方法

doi: 10.3724/SP.J.1004.2011.00011
详细信息
    通讯作者:

    韩守东

Gaussian Super-pixel Based Fast Image Segmentation Using Graph Cuts

More Information
    Corresponding author: HAN Shou-Dong
  • 摘要: 提出了一种交互式的快速图像分割方法. 该方法通过使用高斯超像素来构建Graph cuts模型以实现加速. 首先, 利用融合了边缘置信度的快速均值漂移算法, 将原始图像高效地预分割为多个具有准确边界的同质区域, 并将这些区域描述为超像素, 用于构建精简的加权图. 然后, 使用区域的彩色高斯统计对超像素进行特征描述, 并在信息论空间中对高斯距离度量进行设计. 另外, 为了准确而精炼地对先验知识进行参数化学习, 本文还使用了分量形式的期望最大化混合高斯(Component-wise expectation-maximization for Gaussian mixtures, CEMGM)算法对用户交互进行聚类. 最后, 在改进的加权图模型中应用Graph cuts方法, 获得最终的分割结果. 通过使用不同的彩色图像进行分割实验比较, 仿真结果表明本文的方法在准确性和高效性方面都具有很好的性能.
  • 加载中
计量
  • 文章访问数:  2743
  • HTML全文浏览量:  68
  • PDF下载量:  3379
  • 被引次数: 0
出版历程
  • 收稿日期:  2010-04-16
  • 修回日期:  2010-09-10
  • 刊出日期:  2011-01-20

目录

    /

    返回文章
    返回