一種目標飛機分割提取方法

谷東格

（中國飛行試驗研究院 陜西 西安　710089）

一種目標飛機分割提取方法

谷東格

（中國飛行試驗研究院 陜西 西安710089）

提出了一種目標飛機分割提取方法，該方法采用改進的使用金字塔式分割策略的以彩色高斯混合模型GMM （Gaussian Mixture Model）和迭代能量最小化為基礎的GrabCut算法，達到將目標飛機快速精確分割提取的目的。實驗結果表明在多數情況下，只需圍繞目標飛機畫一個框無需額外交互，就可以快速的將目標飛機精確分割提取出來，即便是在某些情況下不能夠將目標飛機精確提取分割也只需額外的少數交互就可以達到將目標飛機精確分割提取的目的。

GrabCut算法；金字塔分割策略；目標飛機分割；前景標記

對飛機目標進行分割提取是對飛機目標進行識別和跟蹤等應用的前提，分割效果的好壞和分割后所提供的信息量大小往往對后續的應用產生較大的影響。文獻［1］結合Canny算子（一種圖像處理中常用的邊緣檢測算子）和區域生長提取機場圖像中飛機的閉合輪廓，文獻［2］則利用先驗經緯度信息將當前機場圖像與某個時間節點的同位置機場圖像相減提取飛機目標，而文獻［3］則通過其提出的改進的Snake模型對飛機進行邊緣提取分割。文中提出了一種新的目標飛機分割方法，它可以將目標飛機精確的從各種背景精確分割提取出來且包含目標飛機的幾乎在當前可見光圖像上的所有信息，具體算法將在下面部分進行介紹。

1　算法介紹

所謂圖像分割就是將具有相似統計量（如相同灰度值顏色等）的像素聚集起來，并且使得不同統計量也就是不同區域的像素間的邊界過渡盡量小即邊界清晰。如果約束邊界度量（也就是怎樣找到物體邊界的評估方式）是在直接鄰居之間且通過在像素級求和來計算區域的隸屬統計量，那么就可以用二值馬爾科夫隨機場將邊界度量轉化為基于像素的能量函數。文獻［4］就是基于上述所述率先提出了將二值馬爾科夫隨機場用于圖像分割，并用最小割（min cut）即最大流（max flow）來達到能量最小化進而完成圖像分割的任務。通常求取的最小割最大流的方法有標號法，最大推流法和Dinic法等［5］。

2　GrabCut算法

GrabCut算法［6］是一種基于彩色高斯混合模型 GMM （Gaussian Mixture Model）和迭代能量最小化的優秀的交互式圖像分割算法。它就是對文獻［4］中提出的另一種經典的圖像分割算法-Graph Cut算法的改進。主要改進首先體現在用高斯混合模型替換原來算法的灰度直方圖，并把算法適用圖像范圍由灰度圖像擴展到彩色圖像，其次簡化了交互的操作的要求，由原算法的需要用鼠標指定前景和圍繞前景附近的背景，并且指定的前景背景像素要盡量反映前景背景的相關信息簡化為只需要畫定一個圍繞前景的矩形框即可，再次它通過參數學習的迭代過程替換一次最小估計來實現能量最小化。最后它采用魯棒的邊界優化算法評估前景目標和背景相交處的邊界分割效果來達到精確分割的目的。

圖1用本文采集自互聯網的飛機圖片為例，展示了GrabCut算法提取目標的具體實施過程，其中每一幅圖片旁邊的文字對應下面將要介紹的GrabCut算法的具體步驟，藍色的像素為交互編輯時直接指定的背景像素標記，其具體實施步驟如下所示：

1）畫一個圍繞所要提取前景目標的矩形框，初始化三元圖T，前景TF設置為空，矩形框及其以外的像素設定為背景TB，背景的補集也就是矩形框內的像素設定為TM。

2）如果像素屬于TB，其透明度α設定為0，即不透明。如果像素輸入TM，其透明度α設定為1，即全透明。

3）用α為0和α為1的兩個集合初始化背景和前景的高斯混合模型GMM。

4）求得對應前景背景GMM的集合的每個像素對應的高斯模型參數。

5）在先前確定的數據集合中學習更新GMM參數。

6）利用最大流最小割來進行能量最小化評估分割，得到初始分割，更新前景背景像素標記。

7）重復步驟4）到步驟6）直到算法收斂。

8）執行魯棒的邊界優化算法進行邊界優化。

9）執行交互編輯，將一些沒有成功分類的像素直接指定為相應的前景背景像素，更新三元圖T。重復執行步驟4）、5）、6）、7）和8）得到最終的精確的分割結果。

圖1　GrabCut算法實施步驟示意圖

3　改進的采用金子塔分割策略的算法

由于GrabCut算法需要給每個像素建立高斯混合模型和不斷更新GMM參數，并且每次迭代都要用最大流來進行能量最小化評估算法分割效果直到算法收斂為止，整個過程需要進行密集的計算，這就影響了算法的執行效率，換句話說直接影響了算法的實時性，進而影響算法的應用。為了既保證算法的精度又保證算法的執行效率，本文提出了如圖2所示的金字塔策略，策略的核心思想是降采樣和粗分割標記。所謂將采樣就是將本來在原圖進行的分割操作在其長寬都在原圖1/2 或1/4圖上進行（如圖2（a）所示），這樣可以大大加快分割的效率，同時將分割后的圖像作為目標背景粗標記代入原圖再在原圖基礎上進行精細分割，這樣就又保證了分割的精度，這里前景背景標記需要進行腐蝕操作以便留出模糊的邊界供在原圖上進行精細分割（如圖2（b）所示）。同時引入前背景標記有效地縮短了GrabCut算法在原圖執行中第4）、5）、6）、7）步的執行時間，從而達到精度與效率的結合。算法流程如圖3所示。

圖2　金字塔分割策略示意圖

圖3　算法操作流程圖

4　實驗結果

圖4（a）前三行圖像為原始輸入圖像，所有原始圖像都來源于網絡，圖4（b）后三行圖像分別為前三行圖像對應的采用本文算法得到的分割圖像。

圖4　實驗結果

圖5　圖像分割時間對比圖

圖5為不同尺寸圖像分割時間對比圖，其中粗線點為不同尺寸原始圖像分割時間，細線為一次降采樣（采樣后圖像長寬為原始圖像的二分之一）后采用本文的算法的圖像分割時間。通過計算原始圖像分割時間大約為降采樣后圖像分割時間的5.032 0倍。

5　結　論

文中提出并實現了一種目標飛機分割提取方法，實驗結果表明該方法能夠快速的將目標飛機精確分割提取出來。相對于傳統的只提取目標飛機的粗輪廓或者邊緣等信息，本文分割提取的目標飛機包含目標飛機在當前可見光條件下成像的全部信息，可以為今后的目標分類識別提更加豐富的信息。同時由于本文算法的局限性需要少量的交互操作，未來改進可結合邊緣檢測輪廓分析或者先驗知識對目標飛機前景背景進行事前建模而后利用已知模型對圖像進行分割等方式達到圖像分割的完全自動化。

［1］張名成，吳秀清，王鵬偉.基于閉合輪廓提取和部分特征匹配的飛機識別［J］.計算機仿真，2006，23（11）：193-197.

［2］王威，李元壘，梁方，等.一種基于區域分割的地面飛機目標識別方法［J］.計算機工程，2013，39（6）：214-218.

［3］崔兆華.改進的 Snake模型及其在多飛機目標提取中的應用［D］.哈爾濱：東北大學，2008.

［4］YY.Boykov，MP.Jolly.Interactive graph cuts for optimal boundary®ion segmentation of objects in ND images［J］. ICCV，2001（1）：105-112.

［5］高隨祥.圖論與網絡流理論［M］.北京：高等教育出版社，2009.

［6］Rother C，Kolmogorov V，Blake A.“GrabCut”-Interactive foreground extraction using iterated graph cuts［J］.Acm Transactions on Graphics，2004：309-314.

An algorithm for target airplane segmentation&extraction

GU Dong-ge
（Chinese Flight Test Establishment，Xi'an 710089，China）

In this paper，an algorithm for target airplane segmentation&extraction was proposed.In order to segment& extract the target airplane quickly and accurately，the algorithm adopted GrabCut algorithm which was improved by using pyramid segment tactics and based on color Gaussian Mixture Model and iterative energy minimum.The test results show that in the majority situation，this algorithm can accurately segment&extract the target airplane without using any other interaction while its processing speed is almost five times in comparison to the primary algorithm.

grabcut algorithm；pyramid segment tactics；target airplane segment；foreground marks

TN29

A

1674－6236（2016）09-0076-02

2015-06-01稿件編號：201506017

谷東格（1986—），男，河北石家莊人，碩士，工程師。研究方向：機載測試技術研究、光電測試技術研究。