融合深度信息的Grabcut自动图像分割

摘要 Grabcut是一种准确度很高的图像分割方法，但是当图像中存在前背景颜色相近、阴影或低对比度区域时，仅利用颜色、纹理等信息难以准确分割感兴趣区域，而深度信息中包含了这些信息所没有的物体相对前后位置的信息.鉴于此，本文在用显著性实现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.为了充分利用深度和显著信息，依次从两方面进行了改进：以深度信息指导的显著图来提取Grabcut矩形框；将深度和显著信息通过自适应权重结合到Grabcut的颜色模型中，改进原算法的能量公式.实验表明，与当前主流算法对比，本文算法更有效地结合了深度信息，提高了分割算法的准确性