[发明专利]一种基于深度图的自动图像分割方法

摘要

本发明请求保护一种基于深度图的自动图像分割方法。针对GrabCut在图像中存在前背景颜色相近、阴影或低对比度区域时，不能有效分割图片，提出一种改进的GrabCut图像分割算法。本发明在用显著性实现GrabCut自动分割的基础上，融合了深度信息，提高了算法的分割准确度。首先，通过深度信息指导显著信息来初始化GrabCut算法，其次，将深度信息融入算法的能量公式中，最后，用改进的能量公式和超像素构建网络流图，进行最大流/最小割。相对于传统的图割方法，本发明将深度信息有效地结合到了GrabCut自动分割框架中，提高了分割算法的准确性。

主权项

1.一种基于深度图的自动图像分割方法，其特征在于，包括以下步骤：步骤一：获取原图及深度图，并对原图进行SLIC简单现行迭代聚类超像素分割；步骤二：根据分割的超像素图构建单层图，利用流行排序算法来得到超像素的显著值，进而得到显著图；步骤三：对深度图进行对应原图的SLIC超像素分割，并将处理过的深度信息与显著信息融合来初始化GrabCut算法；步骤四：用超像素图构建GrabCut的网络流图，并在步骤三的基础上进行初始化，其中，将框外定为背景TB，框内定为未知区域TU，而此时前景为空；步骤五：估计GMM参数：包括第h个高斯模型的均值μ(α,h)、协方差Σ(α,h)和权重π(α,h)；步骤六：将估计好的参数代入改进的能量公式中，利用改进的能量公式来计算网络流图的边的权值，进行最大流/最小割，所述改进的能量公式的改进点在于：将融合深度信息的显著信息通过自适应权重结合到GrabCut算法的颜色模型中，分别用前背景GMMs的相对熵以及像素之间的相似性改进GrabCut算法能量公式中的数据项及平滑项；步骤七：计算能量函数，判断能量函数是否收敛，若不收敛，则返回步骤五；若收敛，输出图像。