[发明专利]一种基于自适应三阈值的显著物体分割方法

摘要

一种基于自适应三阈值的显著物体分割方法，首先利用区域对比度算法计算彩色图像中每个像素点的显著性值，生成同等大小的显著性图，然后统计获得显著性直方图，利用自适应三阈值法先找到一个阈值将显著性图初步分为两类使两类的类间差最大，再找到另外两阈值将显著性图细分为四类，并使得四类的类间差最大。根据获得的三阈值将显著性图的像素分为四类种子点，用这些种子点代替人工交互对GrabCut算法进行初始化获得分割结果。本发明提供了一种自动分割显著物体的方法，利用自适应三阈值从显著性图获得种子点，有效提高了显著物体分割的效果。

主权项

一种基于自适应三阈值的显著物体分割方法，其特征是以显著性图作为输入，根据自适应三阈值的结果来初始化交互式图像分割算法GrabCut，对彩色图像进行分割，包括以下步骤：1)对原始彩色图像进行显著性分析，生成与彩色图像同大小的显著性图；2)对生成的显著性图，统计获得显著性直方图；3)利用自适应三阈值方法迭代计算不同阈值组合对应的类差，找到最大化类间差的三个阈值，使显著性直方图分为四个区间，即四个类，设三个阈值为{tl,tm,th}：3.1)显著性直方图表示为{n0,…,ni,…,nL}，显著性区间[0,L]，ni表示显著性值为i的像素个数；全局阈值tm将显著性区间分为背景区域Tb＝[0，tm]和前景区域Tf＝[tm+1，L]，在显著性区间[0,L]迭代寻找满足tm＝argmax∑ωfωb(μf‑μb)2的全局阈值tm，使得背景区域与前景区域的类间差最大，其中ωb和ωf分别为Tb区域和Tf区域在直方图所占的比重，μb和μf分别为Tb和Tf中的显著性均值；3.2)局部阈值tl和th分别满足tl∈Tb，th∈Tf,在步骤3.1)的区域划分基础上，显著性区间[0,L]被局部阈值tl和th进一步分为四个区域：Tcb＝[0,tl],Tpb＝[tl+1，tm],Tpf＝[tm+1,th]和Tcf＝[th+1,L]，第二次迭代显著性区间中所有可能的阈值，对(tl，th)寻找使四个区域类间差最大的一组，局部阈值的选择和类间差的计算遵循方程：{tl，th}＝argmax∑ωcfωpf(μfcf‑μpf)2+ωcbωpb(μfcb‑μpb)2，其中ωcb，ωpb分别为Tcb和Tpb在背景区域Tb所占的比重，ωcf，ωpf分别为Tcf和Tpf在前景区域Tf所占的比重，μk为各区间的显著性均值，k∈{cb，pb，pf，cf}；4)根据得到的三个阈值将显著性图标注为四类种子，用这四类种子和原始彩色图像初始化GrabCut，获得分割结果。