×
李红;吴雯;吴恩华

通过基于图形的流形排序实现稳健的交互式图像分割。 （英语） Zbl 1428.68334号

计算。视觉。媒体 第1期，第3期，183-195（2015）.
摘要：交互式图像分割的目的是在给定一些前景和背景标记的情况下，将图像像素分为前景和背景类。在本文中，我们提出了一种新的交互式图像分割框架，该框架建立在基于图形的流形排序模型之上，是一种基于图形的半监督学习技术，可以学习与输入数据揭示的内在结构有关的非常平滑的函数。通过克服传统模型中图构造的两个核心问题：图结构和图边缘权重，最终的分割结果得到了改进。用户提供的涂鸦被视为必须链接和必须不链接约束。然后，我们通过将这些约束和扩展的邻域空间关系集成到图结构建模中，将该图建模为近似k正则稀疏图。提出了内容和标签驱动的局部自适应内核参数，以解决以前模型通常使用统一内核参数的不足。在构建图之后，提出了一种新的三阶段策略来获得最终的分割结果。由于我们构建的图的稀疏性和扩展的邻域关系以及超像素的使用，我们的模型可以提供几乎实时的、用户可手写的不敏感分割，这是交互式图像分割的两个核心要求。最后，我们的框架很容易扩展到多标签分割，对于一些不太复杂的场景，它甚至可以通过单行交互获得分割对象。实验结果以及与其他先进方法的比较表明，我们的框架能够高效、准确地从背景中提取前景对象。

MSC公司：

68单位10 图像处理的计算方法
68T05型 人工智能中的学习和自适应系统

关键词：

交互式图像分割;图形结构;图形边权重;流行排序;相关性推断

软件：

抓斗切割
PDF格式BibTeX公司 XML格式引用
\textit{H.Li}等人，计算。视觉。Media 1，No.3，183--195（2015；Zbl 1428.68334）
全文： 内政部

参考文献：

[1] 胡士明。；Chen，T。；Xu，K。；郑，M.-M。；网络视觉媒体处理：图形和视觉应用调查。《可视化计算机》第29卷第5期，393-4052013年·doi:10.1007/s00371-013-0792-6
[2] 科马尼丘，D。；Meer P.Mean shift：一种稳健的特征空间分析方法。IEEE模式分析和机器智能汇刊，第24卷，第5期，603-6192002·doi:10.1009/34.1000236
[3] 肖，C。；Liu M.使用高斯KD-树进行有效的均值漂移聚类。计算机图形论坛第29卷，第7期，2065-20732010年·文件编号：10.1111/j.1467-8659.2010.01793.x
[4] Vese L.A。；Chan T.F.使用Mumford和Shah模型进行图像分割的多相水平集框架。国际计算机视觉杂志第50卷，第3期，271-2932002·Zbl 1012.68782号 ·doi:10.1023/A:1020874308076
[5] 李，C。；徐，C。；桂，C。；Fox M.D.距离正则化水平集进化及其在图像分割中的应用。IEEE图像处理汇刊，第19卷，第12期，3243-32542010·Zbl 1371.94226号 ·doi:10.1109/TIP.2010.2069690
[6] 刘，Y。；Yu Y.基于水平概率集的交互式图像分割。IEEE可视化和计算机图形学报，第18卷，第2期，202-213，2012年·doi:10.1109/TVCG.2011.77
[7] 史J。；Malik J.标准化切割和图像分割。IEEE模式分析和机器智能汇刊，第22卷，第8期，888-9052000·数字对象标识代码：10.1109/34.868688
[8] 黄，H。；张，L。；Zhang H.-C.RepSnapping：针对重复场景元素的高效图像剪切。计算机图形论坛第30卷，第7期，2059-2662011·doi:10.1111/j.1467-8659.2011.02044.x
[9] 艾根，D。；Fergus，R.，使用自适应邻域集进行非参数图像分析，2799-2806（2012）·doi:10.1109/CVPR.2012.6248004
[10] 博伊科夫·Y.Y。；Jolly M.-P.交互式图形切割，用于N-D图像中对象的最佳边界和区域分割。摘自：第八届IEEE计算机视觉国际会议论文集，第1卷，105-1122001。
[11] 罗瑟，C。；科尔莫戈罗夫，V。；Blake A.“抓取切割”：使用迭代图形切割的交互式前景提取。ACM图形学报第23卷，第3期，309-3142004·doi:10.1145/1015706.1015720
[12] 李毅。；Sun，J。；Tang，C.-K。；Shum H.-Y.懒洋洋地咬。ACM图形学报第23卷，第3期，303-3082004·doi:10.1145/1015706.1015719
[13] 价格，B.L。；莫尔斯，B。；Cohen，S.，用于交互式图像分割的测地线图切割，3161-3168（2010）·doi:10.1109/CVPR.2010.5540079
[14] 格尔善，V。；罗瑟，C。；Criminisi，A。；A.布莱克。；Zisserman，A.，用于交互式图像分割的测地星凸度，3129-3136（2010）·doi:10.1109/CVPR.2010.5540073
[15] 莫滕森，E.N。；Barrett，W.A.，《图像合成用智能剪刀》，191-198（1995）
[16] Sundaramoorthi，G。；Yezzi，A。；使用Sobolev活动轮廓的Mennucci A.C.粗到精分割和跟踪。IEEE模式分析与机器智能汇刊，第30卷，第5期，851-8642008年·doi:10.1109/TPAMI.2007.70751
[17] Nguyen T.N.A.N。；蔡，J。；张杰。；Zheng J.使用凸活动轮廓进行鲁棒交互式图像分割。IEEE图像处理汇刊，第21卷，第8期，3734-37432012·Zbl 1373.94302号 ·doi:10.1109/TIP.2012.2191566
[18] Grady L.图像分割的随机行走。IEEE模式分析与机器智能汇刊，第28卷，第11期，1768-17832006·doi:10.1109/TPAMI.2006.233
[19] Kim，T.H。；Lee，K.M。；Lee，S.U.，使用重新启动随机行走的生成图像分割，264-275（2008），柏林-海德堡
[20] 杨伟（Yang，W.）。；蔡，J。；郑洁。；Luo J.通过统一的组合用户输入进行用户友好的交互式图像分割。IEEE图像处理汇刊，第19卷，第9期，2470-24792010·Zbl 1371.94432号 ·doi:10.10109/TIP.2010.2048611
[21] 亚当斯，R。；Bischof L.种子区生长。IEEE模式分析和机器智能汇刊，第16卷，第6期，641-6471994·数字对象标识代码：10.1109/34.295913
[22] 宁，J。；张，L。；张，D。；基于最大相似性区域合并的交互式图像分割。模式识别第43卷，第2期，445-4562010·Zbl 1187.68485号 ·doi:10.1016/j.patcog.2009.03.004
[23] Noma，A。；格雷西亚诺·A·B·V。；小塞萨尔·R·M。；洛杉矶领事馆。；Bloch I.通过匹配属性关系图进行交互式图像分割。模式识别第45卷，第3期，1159-11792012·doi:10.1016/j.patcog.2011.08.017
[24] 格雷格·D·M。；Porteous B.T。；Seheult A.H.二值图像的精确最大后验估计。英国皇家统计学会杂志。B系列（方法学）第51卷，第2期，271-2791989。
[25] 周，D。；O.布斯克。；Lal，T.N。；韦斯顿，J。；Schölkopf，B.，《学习与地方和全球一致性》，321-328（2003）
[26] 周，D。；韦斯顿，J。；格雷顿，A。；O.Bousquest。；Schölkopf，B.，数据流形排名（2004）
[27] 沈杰。；杜，Y。；Wang，W。；Li X.用于超像素分割的惰性随机行走。IEEE图像处理汇刊，第23卷，第4期，1451-14622014·Zbl 1374.94338号 ·doi:10.1109/TIP.2014.2302892
[28] 阿坎塔，R。；沙吉，A。；史密斯，K。；卢奇，A。；Fua，P。；Susstrunk S.SLIC超像素与最先进的超像素方法进行了比较。IEEE模式分析与机器智能汇刊第34卷，第11期，2274-22822012·doi:10.1109/TPAMI.2012.120
[29] Liu，J.Y。；Sun，J。；Shum，H.Y.，涂料选择（2009）
[30] Kim，T.H。；Lee，K.M。；Lee，S.U.，交互式分段的非参数高阶学习，3201-3208（2010）·doi:10.1109/CVPR.2010.5540078
[31] Sinop，A.K。；Grady，L.，一种结合图割和随机游走的种子图像分割框架，产生了一种新的算法1-8（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。