22、基于连通性先验的图割图像分割

基于连通性先验的图割图像分割

1. 引言

近年来，交互式图像分割备受关注，其目标是尽可能减少用户交互来提取图像中的对象。为实现这一目标，需要对分割施加一些先验条件，不同的先验条件会倾向于不同类型的形状。

• 图割方法 ：这是一种流行的方法，通过最小化一个能量函数来进行图像分割，该能量函数由数据项（基于前景和背景的颜色似然计算）和空间相干项组成。空间相干项会使分割边界更短，这种现象被称为“收缩偏差”，导致图割方法难以分割细长的结构。例如，在分割昆虫图像时，图割可能会切断昆虫的腿。

• 其他分割模型

  • 添加向量场通量 ：将向量场的通量添加到模型中可克服收缩偏差，在分割灰度图像中的血管等细长对象时有效，但扩展到任意彩色图像具有挑战性，因为难以选择合适的向量和其符号。
  • 优化通量与边界长度比 ：该方法寻找平均对比度最高的边界，理论上对特定形状无偏好，但同样存在为彩色图像选择合适向量场的问题。
  • 施加边界曲率先验和随机游走算法 ：这些方法对收缩偏差有一定的鲁棒性。

• 新方法 ：提出一种新的方法，将连通性先验以显式的形式融入模型。用户只需点击那些必须与主对象相连的像素，就能获得满意的分割结果。该方法提出了几种连通性约束，但对应的优化问题都是NP难的。为此，提出了一种名为DijkstraGC的启发式算法，