基于超像素的Grab cut前景提取算法

针对海量的像素以及迭代更新高斯混合模型参数导致的Grab cut很难兼顾精确分割和实时交互的现象，提出基于超像素的交互式快速分割框架，精简了问题规模，保证了分割的准确度和实时性. 首先，采用融合边缘自信度的均值漂移算法将图像分割为一系列保持颜色、 空间信息以及边界特性的同质区域；其次，以每个同质区域的RGB均值为结点，构建加权网络图，建立前景和背景两个高斯混合模型；然后，采用EM算法结合一种新的max flow/min cut算法来逼近高斯混合模型参数；最后，本文引入区域项的自适应调整参数来提高分割的准确度. 实验结果表明，文中算法对用户交互可以及时做出分割响应，并且分割的结果更加合理.