基于图割与部分生长随机森林用户交互式图像分割方法研究.pdfVIP

用户交互E分割与部分增长的随机森林T

JongwonChoi,JinYoungChoi

SeoulNationalUniversity,ASRI

jwchoi.pil@.com，jychoi@snu.ac.kr

本文提出了一种基于图割的用户交互式分割新方法，该

方法提高了对初始参数设置的鲁棒性。现有的基于图割

的分割方法使用参数模型来估计前景/背景的颜色分布。

图像初始K=2K=5K=50

然而，参数模型对预定义的分布模型数量敏感，并且容

(a)合成(b)GrabCut算法

易受到错误初始化的影响。在本文中，我们开发了一种图1。GrabCut的局限性[1]。由于GrabCut[1]基于

基于随机森林的非参数方法来处理初始化偏差问题。此k‑means算法，因此其对预定义的质心数量依赖性较高。

外，我们设计了一种新的随机森林结构，称为部分生长（a）显示了合成图像的原始图像和初始掩码。（b）

随机森林，以减少训练时间。所方法与现展示了使用不同数量质心的GrabCut结果，表明其对

有的基于图割的分割基线方法进行了定量和定性比较，质心数量的依赖性，即K。

结果表明我们的方法在新的彩色数据集上表现出色，在

经典数据集上也具有可比性。时间小于或与其他方法相当。由于可用性和高效性，基

于图割的分割已被应用于各种领域，例如图像理解[20]

和显著目标检测[21]。

索引术语—用户交互式分割，基于图割的分割，部分基于图割的分割算法通过两个步骤的迭代优化来寻

生长随机森林找最佳前景掩码：前景/背景颜色分布的估计，以及考虑

空间相似性的基于图割的能量最小化。特别是为了估计

1.引言

颜色分布，参数化聚类算法如k‑means聚类

用户交互式分割通过用户标注的掩码将目标从其他物体（k‑means）已被频繁使用[1,7,8]。然而，参数化算

中提取出来。在经典交互式分割概念[13,14]被提出之法需要预先定义质心数量，这取决于目标的颜色属性，

后，大量研究积极地开展以提高算法的效率和前景分割的例如暗色物体和彩色物体。当质心数量设置与目标颜色

精度。当前用户交互式分割的研究趋势可以分为三类：测属性不符时，结果可能会出现欠拟合或过拟合，如图

地距离为基础的分割、随机为基础的分割和图割为基1(b)所示。此外，由于初始质心是随机选择的，

础的分割。基于测地距离的分割[5,8,9]和基于随机k‑means的结果不稳定。为避免这些问题，Peng等。

的分割[10,11]在表示目标细节的