基于Gabor 变换的GrabCut 纹理图像分割
CSTR:
作者:
作者单位:

1. 南京审计学院工学院,南京211815;
2. 南京理工大学计算机科学与工程学院, 南京210094;
3. 南京邮电大学计算机科学与技术学院,南京210023.

作者简介:

杨章静

通讯作者:

中图分类号:

TP391.4

基金项目:

国家自然科学基金项目(61272077, 61473157);江苏省高校自然科学研究面上项目(13KJB520013, 15KJB520018);江苏省科技厅自然科学基金项目(BK2012473).


GrabCut texture image segmentation based on Gabor wavelet transform
Author:
Affiliation:

1. School of Technology,Nanjing Audit University,Nanjing 211815,China;
2. School of Computer Science and Engineering,Nanjing University of Science and Technology,Nanjing 210094,China;
3. School of Computer Science-and Technology,Nanjing University of Posts and Telecommunications,Nanjing 210023,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

    Abstract:

    Most natural images are texture images, so compared with the traditional color features, the texture images have the characteristics of the descriptive directionality and scale difference. GrabCut image segmentation is characterized by semi-interaction, and the segmentation of the image foreground and background is the adaptive decision of the final segmentation termination process based on establishing Gaussian mixture model(GMM) probability density distribution to achieve the description of similarity, combining the max-flow min-cut image segmentation with GMM parameters of iterative update foreground and background, and utilizing Kullback-Leibler(KL) criterion of Gaussian mixture probability distribution of foreground and background. The experiment results show that the proposed method has the ideal segmentation effect on the synthetic texture images and natural texture images.

    参考文献
    相似文献
    引证文献
引用本文

杨章静 钱建军 黄璞 张凡龙 杨国为.基于Gabor 变换的GrabCut 纹理图像分割[J].控制与决策,2016,31(1):149-154

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-10-21
  • 最后修改日期:2015-04-09
  • 录用日期:
  • 在线发布日期: 2016-01-20
  • 出版日期:
文章二维码