盛 騰

(西華大學(xué)計(jì)算機(jī)與軟件工程學(xué)院 四川 成都 610039)

一、引言

目前隨著多媒體圖像的廣泛應(yīng)用，圖像處理技術(shù)：圖像分割、圖像增強(qiáng)等等在當(dāng)今起著越來越重要的作用。而在圖像處理技術(shù)中，圖像分割作為其他圖像處理技術(shù)的基礎(chǔ)和前提，在圖像處理中具有非常重要的作用。傳統(tǒng)圖像分割通常是全自動(dòng)的。但是由于計(jì)算機(jī)的理解能力有限，傳統(tǒng)圖像分割不容易從圖像中提取具有高層語義信息的目標(biāo)。因此，本文將面向需要用戶有一定參與的交互式圖像分割方法來研究。

二、基于種子點(diǎn)標(biāo)記的方法

基于種子點(diǎn)標(biāo)記的方法要求在圖像前景或背景上標(biāo)記一定數(shù)量的種子點(diǎn)，然后算法把這些標(biāo)記點(diǎn)作為約束條件，使用優(yōu)化算法從圖像中尋找出目標(biāo)，基于這種交互方法的分割方法有：圖切法[1]、隨機(jī)游走法[2]。

(一)圖切法

圖切算法能夠保證獲得標(biāo)記方式所付出的代價(jià)和是全局最小的。目前國(guó)內(nèi)外很多的交互式圖像分割算法都是基于圖切算法的。圖切是基于圖論的分割方法。該方法的主要思想是將標(biāo)記目標(biāo)和背景的部分作為約束，結(jié)合目標(biāo)邊界以及區(qū)域的特性，得到目標(biāo)能量函數(shù)，通過計(jì)算圖像全局最優(yōu)解來獲得對(duì)目標(biāo)中未標(biāo)記部分的分割。此過程中，目標(biāo)邊界以及區(qū)域的特性是可以看作為分割的另外約束條件。

但是，由于傳統(tǒng)的圖切算法需要對(duì)目標(biāo)中的所有像素點(diǎn)都進(jìn)行處理，所以圖切具有非常高的計(jì)算復(fù)雜度。另外，當(dāng)用戶點(diǎn)擊的前景和背景種子點(diǎn)較少時(shí)，在前景和背景的邊界上容易出現(xiàn)錯(cuò)分割的情況。

(二)隨機(jī)游走法

隨機(jī)游走算法首次用在圖像分割領(lǐng)域是在2001年，將隨機(jī)游走思想用到了光譜圖像的分割中。隨后在2002年提出了一種新的基于成對(duì)相似性的圖像分割算法。該算法利用相似性確定馬爾可夫隨機(jī)游走的邊緣流和游走轉(zhuǎn)移矩陣的特征值和特征向量之間的相似關(guān)系。2隨機(jī)游走算法在2006年被進(jìn)行了驗(yàn)證，并提出了基于隨機(jī)游走算法的圖像分割的文章。2008年又對(duì)該隨機(jī)游走算法進(jìn)行了改進(jìn)，提出了一種針對(duì)醫(yī)學(xué)圖像的、非在線操作的加速隨機(jī)游走算法。隨機(jī)游走是一種通過求解聯(lián)合圖邊界條件問題來實(shí)現(xiàn)圖像分割方法。屬于圖論分割的方法，所以在該算法中，也將輸入圖像轉(zhuǎn)換為一個(gè)等效的加權(quán)圖，然后算法通過比較隨機(jī)游走從每個(gè)未標(biāo)記節(jié)點(diǎn)游動(dòng)到給定節(jié)點(diǎn)的概率值，以最大概率為結(jié)果對(duì)圖像中的節(jié)點(diǎn)進(jìn)行分類，從而實(shí)現(xiàn)圖像分割。根據(jù)標(biāo)記種子點(diǎn)的類別不同，隨機(jī)游走可以很簡(jiǎn)單的進(jìn)行多目標(biāo)物體的分割。

三、基于目標(biāo)邊緣關(guān)鍵點(diǎn)的方法

在基于目標(biāo)邊緣關(guān)鍵點(diǎn)的方法中，需要用戶順著目標(biāo)邊緣點(diǎn)下關(guān)鍵點(diǎn)來粗略標(biāo)明邊界，隨后圖像分割算法利用關(guān)鍵點(diǎn)特征對(duì)關(guān)鍵點(diǎn)連接的曲線進(jìn)行調(diào)優(yōu)，使曲線盡量貼近目標(biāo)的真實(shí)邊緣。由EM等人提出的活線法(Live Wire)[3]是這種方法的代表。

活線法是一種基于圖割的算法，所以執(zhí)行前，需要把目標(biāo)圖像作為一個(gè)圖結(jié)構(gòu)，將圖像中的像素點(diǎn)作為圖結(jié)構(gòu)的節(jié)點(diǎn)，邊緣相鄰的像素點(diǎn)在圖中存在連接邊。首先在目標(biāo)上選擇一個(gè)起始點(diǎn)和一個(gè)目標(biāo)點(diǎn)，然后活線法利用事先定義好的代價(jià)函數(shù)產(chǎn)生一條自起始點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑。當(dāng)起始點(diǎn)和目標(biāo)點(diǎn)位于目標(biāo)的邊緣上時(shí)，該曲線就是目標(biāo)邊緣位于起始點(diǎn)和目標(biāo)點(diǎn)之間的部分。所以，檢測(cè)物體邊緣的問題就轉(zhuǎn)化為利用動(dòng)態(tài)規(guī)劃的方法或圖搜索的方法尋找累積代價(jià)最小點(diǎn)的問題。

同逐個(gè)像素對(duì)比的方法相比，活線法在很大程度上降低了用戶的交互量，但是該算法依然存在三個(gè)明顯的缺點(diǎn)：1)該方法中用戶仍然需要沿著物體移動(dòng)一整圈才能完成分割，當(dāng)物體邊界復(fù)雜時(shí)，操作依然很繁瑣；2)要求用戶對(duì)目標(biāo)物體有一個(gè)整體認(rèn)識(shí)，在交互過程中不能將目標(biāo)縮小或者放大；3)若發(fā)現(xiàn)錯(cuò)誤，需要重新標(biāo)注。

四、基于描繪目標(biāo)輪廓的方法

基于描繪目標(biāo)輪廓方式的分割方法在初始的時(shí)候要求用戶提供一些包含有目標(biāo)物體的封閉輪廓，然后利用一些優(yōu)化算法把這些初始輪廓演化到理想的目標(biāo)輪廓上，完成圖像分割。基于圖割的Grab Cut方法[4]是該類型方法的典型代表。

圖割方法是一種基于Graph Cut的交互式圖像分割方法，該方法在Graph Cut的基礎(chǔ)上得到了兩個(gè)方向上的提升：第一，圖割方法對(duì)用戶的交互模式進(jìn)行了修改，用戶需要畫一個(gè)對(duì)象框或用套索工具將目標(biāo)圈定就能夠完成對(duì)目標(biāo)的分割；第二，圖割方法中運(yùn)用迭代的思想。圖割方法中將標(biāo)定的背景部分作為背景采樣區(qū)，將剩余的部分作為前景采樣區(qū)來估計(jì)初始前景和背景的分布，并在迭代過程中利用上一次的分割結(jié)果不斷地重新估計(jì)前景和背景的分布，從而使分割結(jié)果越來越精確。圖割算法結(jié)合了迭代的Graph Cut算法和邊界摳圖(Border Matting)算法來處理目標(biāo)物體邊界處圖像模糊和像素重疊的問題，并且能夠從背景較復(fù)雜的圖像中通過比較少的用戶點(diǎn)擊來得到還算理想的分割結(jié)果。此外，圖割算法中提出了一種新的交互方式，該交互方式操作簡(jiǎn)單、步驟少，具有較好的用戶體驗(yàn)。雖然圖割算法具有多項(xiàng)優(yōu)勢(shì)，但其最大的劣勢(shì)在于由于該方法中利用了邊界摳圖算法來處理目標(biāo)物體邊界處圖像模糊和像素重疊等問題，所以該算法計(jì)算復(fù)雜，分割效率較低。

五、交互式圖像分割的發(fā)展趨勢(shì)與展望

目前深度學(xué)習(xí)在許多圖像分割任務(wù)中取得了很好的效果，考慮到深度學(xué)習(xí)的優(yōu)越性能，利用它來做交互式圖像分割，可以減少用戶交互的數(shù)量以及用戶花費(fèi)的時(shí)間，從而得到更高效的交互式分割工具。目前已經(jīng)有好幾篇文章研究了基于深度學(xué)習(xí)交互式圖像分割方法。[5]提出了一種使用卷積神經(jīng)網(wǎng)絡(luò)的二維圖像交互式分割方法。該方法中用戶提供的交互是位于前景和背景中的一些點(diǎn)，這些點(diǎn)轉(zhuǎn)化為基于前景點(diǎn)的距離圖像和基于背景點(diǎn)的距離圖像。原圖為RGB三個(gè)通道的圖像，加上這兩個(gè)距離圖像后一共五個(gè)通道，將這五個(gè)通道的圖像作為全卷積網(wǎng)絡(luò)(FCN)的輸入以得到分割結(jié)果。因此在分割過程中，用戶只需給幾個(gè)點(diǎn)就能指導(dǎo)FCN的分割。[6]嘗試處理另一種交互方式：根據(jù)用戶的文字輸入來更新圖像分割的結(jié)果。該方法使用的CNN可看做由頭部(編碼器)和尾部(解碼器)兩部分組成，頭部和尾部之間有一個(gè)中間層的特征圖，在分割時(shí)，用戶的交互用來對(duì)這個(gè)特征圖進(jìn)行更改，從而改變網(wǎng)絡(luò)的輸出結(jié)果。[7]Polygon RNN是針對(duì)二維圖像中物體邊緣的標(biāo)注而提出的方法，其流程如下圖所示，用戶提供一個(gè)感興趣的物體的邊界框，該方法通過RNN來預(yù)測(cè)這個(gè)邊界框中物體邊緣上的一系列頂點(diǎn)，這些頂點(diǎn)所組成的多邊形區(qū)域作為物體的分割結(jié)果。Polygon-RNN++[8]在Polygon-RNN的基礎(chǔ)上做了許多改進(jìn)，使對(duì)物體邊界上的多邊形頂點(diǎn)的預(yù)測(cè)更加準(zhǔn)確，并有更高的分辨率。在網(wǎng)絡(luò)結(jié)構(gòu)上，把VGG網(wǎng)絡(luò)換成了一個(gè)基于ResNet-50的網(wǎng)絡(luò)。Polygon-RNN分別使用了兩個(gè)網(wǎng)絡(luò)來預(yù)測(cè)第一個(gè)頂點(diǎn)和后續(xù)頂點(diǎn)，Polygon-RNN++提出了一個(gè)統(tǒng)一的框架，把這兩種頂點(diǎn)的預(yù)測(cè)結(jié)合起來，可以一起訓(xùn)練。它還使用了注意力機(jī)制，使預(yù)測(cè)下一個(gè)頂點(diǎn)時(shí)更加集中在上一個(gè)頂點(diǎn)附近的區(qū)域。