[发明专利]一种多人协同的交互式图像分割方法

说明书

本发明公开了一种多人协同的交互式图像分割方法，包括：(1)多人对图像进行像素点标注；(2)合并不同人的标注像素集合；(3)初始化前景和背景的GMM模型；(4)构建图进行迭代分割。本发明基于多人协同标注，在不提高主观交互复杂度的情况下获取更加可靠的先验信息并加以充分利用，从而构建更加有效的颜色模型，实现准确、高效的交互式分割；同时，本发明可以利用网络进行分布式的协作分割，提高分割效率。

技术领域

本发明属于计算机视觉及图像处理技术领域，具体涉及一种多人协同的交互式图像分割方法。

背景技术

图像分割是把图像中若干个特定的感兴趣区域分离形成目标子区域和背景子区域的过程，图像分割也是图像识别和分析的重要基础技术，一直是数字图像处理、计算机视觉和模式识别领域的研究焦点。

图像分割方法主要有交互式分割以及全自动分割；交互式分割需要人工参与，给出图像的某些先验信息，早期的交互式图像分割方法需要用户描绘实例的边界，消耗大量的用户精力和时间，随着技术进步，现在的用户只需画出前景的典型像素点或者框出前景区域即可对前景目标进行较为准确的分割，例如比较著名的Grabcut分割算法需要人为给出包含前景的方框，方框外的为背景，方框内的大概率为前景，利用高斯混合模型对前景和背景进行特征表示，然后基于图论建立能量函数实现图像的分割。全自动的图像分割则由算法直接对图像进行分割，相对于人工参与的交互式分割往往通用性和准确性较差，效果不太理想，并不能作为分割的主流算法，所以引入人工先验信息交互式分割方法成为了图像分割领域的重要技术基础。

为了使分割更加准确、高效，程明明等人在文献《DenseCut:Densely ConnectedCRFs for Realtime GrabCut,Pacific Graphics,Volume 34(2015),Number 7,2015》中提出了Densecut算法，该算法使用密集连接的CRF(条件随机场)代替Grabcut中的全局颜色模型，获得了可观的准确率以及速度的提升；但是仍有许多明显的目标无法进行有效的分离，主要体现为目标部分缺失，使得分割不完整。

针对交互式分割的专利申请大多围绕加快分割速度，改进算法以增加准确率进行创新，但效果不甚显著，要想达到理想效果往往只能加入后期的用户修正环节，因此用户修正成为了保证效果的重要一步。这也从侧面体现了交互式分割的一个很大特点，具有代表性的目标像素获取往往是分割成功与否的关键，然而大部分方法在交互时只输入包含大量背景像素噪声的目标框，或者是缺乏客观性的单人少量像素点标注，从而使得算法无法对目标进行更加有效的模型估计，在一些图片上效果差强人意，准确率和通用性无法得到显著提高。

申请号为201810478354.5的中国专利公开了一种点击图像分割(Click-cut)的方法，该方法将图像分成多个超像素区域，根据用户点击的位置确定其所属超像素区域，利用区域相似性等特点进行融合得到目标区域；此方法明显的不足之处是普通算法很难根据一点确定目标的特征分布和范围，其对特定目标和特定算法有很强的依赖性，可能某个算法只适用于特定场合，准确性和通用性还远远达不到应用的地步，以牺牲较大准确性和通用性带来的交互便捷是不可取的。

申请号为201711027909.6的中国专利公开了一种基于Grabcut的交互式分割方法，该方法同其他交互式分割方法一样需要少量的标注像素点，然后进行分水岭分割以改善Grabcut算法在前景和背景较为接近时分割效果不好的问题，最后使用两次Grabcut分割以得到更好的分割结果；该方法的局限性在于对于分割不完整并没有相应的改善措施，而分割的不完整往往在分割失败中占有很大比例，另外由于普通算法的局限性和先验信息的缺乏，效果并没有得到很好的改善，算法的复杂度也因为多次分割增加了不少。

发明内容

鉴于上述，本发明提供了一种多人协同的交互式图像分割方法，能够更加准确、客观给出图像像素的先验信息，构建更加有效的分割模型，从而提高了通用性并实现了前景和背景快速有效的分离。

一种多人协同的交互式图像分割方法，包括如下步骤：