王 茜，何小海，吴晓红，吴小强，滕奇志

(四川大学 电子信息学院 图像信息研究所，四川 成都 610065)

0 引言

图像分割是图像处理的重要手段之一[1]，是将图像分为不同的区域， 区域内具有一定的相似性，不同区域之间的特征差异较为明显。 2001 年，Boykov 等[2]提出 GraphCut 算法，用户在待分割图像背景和前景上画线，指明少量前景像素和背景像素，算法建立s-t 图，利用最小割最大流实现图像分割。 GraphCut 算法采用灰度直方图，无法分割彩色图像。针对该问题，Rother 等[3]提出 GrabCut 算法，用户用矩形框标记前景位置，通过k-means 将像素聚类为 k 类，初始化 k 个 GMM 模型，构建能量函数并利用该函数对图像进行分割。 由于 GrabCut 算法操作简单，分割精度较高而被广泛关注和应用，国内外的许多学者对该算法进行了改进。 周良芬等[4]采用二次分水岭对梯度图像做预处理，增强图像边缘点，再利用熵的特性优化能量分割函数，提高图像分割精度，但是增加了算法的复杂程度。 董茜等[5]通过SLIC 超像素算法对图像进行分割，利用分割的超像素图建立加权图，减少节点数，提高分割效率，但传统SLIC 在纹理明显处会出现不规则超像素块。 白雪冰等[6]将图像从 RGB 空间转化到 Lab 空间， 再利用 SLICO 算法对图像进行预处理， 改善GMM 模型参数，使分割不受背景凹凸纹理的干扰，可优化分割，但是仍然存在少部分过分割的问题。杨小鹏等[7]采用 Faster R-CNN[8]减少用户交互，融入图像位置信息提高GrabCut 分割效果，但对纹理复杂的图像分割效果无明显改善。 刘静等[9]针对背景复杂、细节丰富的皮影提取问题，采用相对总变差平滑的方法优化GrabCut 分割，由于算法具有交互性，主观的选取会影响分割结果。……