李一正 梁 华 冯 豪

（湖南涉外经济学院电子商务系 长沙 410205）

1 引言

增强现实［1］（Augmented Reality，AR）是通过目标识别、模板匹配、三位注册等过程来整合现实场景与虚拟信息以达到视觉增强的技术。标志物的识别效率决定着AR系统运行的稳定性，其中对于目标图像的分割精度影响着后续增强现实系统的运行效率。目前，在交互式图像分割算法［2］中，GrabCut算法因交互动作方便，分割结果较为精确，被大量运用于图像分割领域。

GrabCut算法由ROTHER等［3］依据Graph Cut算法［4］改进而来，通过少量的交互动作和识别不同于环境的颜色和纹理区域来区分前景与背景；利用混合高斯模型［5］（Gaussian Mixture Model，GMM）对目标和背景进行建模，不断优化GMM的参数，直至收敛，从而获得最优的分割结果。之后许多学者针对GrabCut算法存在的不足，对其进行改进。Han等［6］将高斯混合模型（GMM）扩展到MSNST特征，使纹理特征更容易提取并与颜色特征结合，提高了图像分割性能。该方法虽然提高了图像的分割精度，但计算量大，存在耗时的问题。针对上述问题，文献［7］用CRF代替传统GrabCut公式中的全局颜色模型，大大提高了分割的速度；文献［8］通过降低图像分辨率以加快算法的迭代速度，在不影响原有分割效果的情况下，提高了分割效率；陈鑫等［9］利用SLICO算法处理后的超像素图来计算均值，并迭代估计GMM参数来减少节点数量，提高了算法精度与速度。这些方法虽然能够较为准确且快速地提取出前景图像，但在图像边缘存在一定程度的错误分割现象。针对GrabCut算法存在的图……