论文部分内容阅读
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