[发明专利]一种多人协同的交互式图像分割方法

权利要求书

1.一种多人协同的交互式图像分割方法，包括如下步骤：

(1)多人协同对图像中的前景和背景分别做少量像素点的标注，具体地：通过多人协同标注得到N组前景像素集以及N组背景像素集N为参与标注的人数，为第n个人对图像前景标注得到的前景像素集，为第n个人对图像背景标注得到的背景像素集，n为自然数且1≤n≤N；

(2)合并不同人的标注像素集合，即取N组前景像素集的并集为P_f，取N组背景像素集的并集为P_b，对于像素集P_f和P_b中的每一像素点，记录像素点的被标注次数；

(3)分别建立关于前景和背景的GMM模型，前景的GMM模型表达式如下，背景的GMM模型同理；

其中：x为图像前景中任一像素点的像素值，p(x)表示该像素点属于前景的概率，K为GMM分量个数，η_k为第k个前景高斯分量的权重，Σ_k为第k个前景高斯分量的协方差矩阵，μ_k为第k个前景高斯分量的均值，T表示转置；

所述权重η_k的初始化计算表达式如下：

C_k＝count(α_nk＝k)

其中：β_k为第k个前景高斯分量被标注的权重，为权重η_k的中间值，P_fk表示对像素集P_f进行K聚类后得到的第k类子集，i为子集P_fk中的任一像素点，j为像素集P_f中的任一像素点，w_i为像素点i的被标注次数，w_j为像素点j的被标注次数，count(α_nk＝k)表示矩阵α中等于k的元素值个数，α_nk为矩阵α中第n行第k列元素值，[]表示向下取整，P_fm表示对像素集P_f进行K聚类后得到的第m类子集，q为子集P_fm中的任一像素点，z_q为像素点q的像素值，w_q为像素点q的被标注次数，表示对像素集进行K聚类后得到的第k类子集，p为子集中的任一像素点，z_p为像素点p的像素值，为子集中的像素点个数；

(4)利用GMM模型通过DenseCut算法对图像中未被标注的像素点进行迭代分割，具体实现过程如下：

4.1通过对以下能量函数E进行最小化求解，得到图像中未被标注的各像素点的分割标签；

其中：y_a为图像中第a个像素点的分割标签且y_a＝0或1，y_a＝1表示第a个像素点属于前景，y_a＝0表示第a个像素点属于背景，y_b为图像中第b个像素点的分割标签，Ω为图像中未被标注像素点的索引号集合，a和b均为自然数，z_a为图像中第a个像素点的像素值，z_b为图像中第b个像素点的像素值，p₀(z_a)表示图像中第a个像素点属于背景的概率即像素值z_a代入背景GMM模型中计算得到的结果，p₁(z_a)表示图像中第a个像素点属于前景的概率即像素值z_a代入前景GMM模型中计算得到的结果，I_a为图像中第a个像素点的位置坐标，I_b为图像中第b个像素点的位置坐标，λ₁、λ₂、θ_α、θ_β、θ_γ均为给定的超参数；

4.2根据步骤4.1得到的分割结果，对于图像中任一前景像素点，将其像素值分别代入K个前景高斯分量模型中计算对应的概率值，然后将该前景像素点分配给对应概率值最大的前景高斯分量，依此遍历并统计各前景高斯分量被分配到的前景像素点个数，进而通过以下公式更新前景GMM模型中的均值μ_k、协方差矩阵Σ_k以及权重η_k；

其中：B_fk为第k个前景高斯分量被分配到的前景像素点个数，M_f为基于步骤4.1得到的分割结果下前景像素点总数，H为基于步骤4.1得到的分割结果下分配给第k个前景高斯分量的所有前景像素点组成的前景像素集，c为前景像素集H中的任一像素点，z_c为像素点c的像素值，背景GMM模型的参数更新同理；

4.3迭代执行步骤4.1和4.2，直至分割结果收敛或达到预设的最大迭代次数，从而得到最终的分割结果。