本小组成员高雄、吴润良同学的学术论文《Fully automatic image segmentation based on FCN and graph cuts》被国际期刊《Multimedia Systems》接收并发表！

图像分割是一种基于像素的颜色、亮度、边界和区域连通性等信息从图像中提取前景目标的技术。由于人机交互算法提供的后验知识，基于Graph Cuts的交互式分割可以较好地提取图像中的前景，但这限制了其应用范围。Graph Cuts是一种基于图论的能量优化算法，是用来求解基于MRF能量方程的一种方法，两者之间的关系如下所示。

受近年来计算机视觉领域中全卷积神经网络的研究启发，本文提出了一种基于全卷积神经网络和Graph Cuts的边缘优化的全自动分割算法，解决了传统交互式分割算法需要人为输入先验框所带来的问题。首先，利用预训练的全卷积神经网络来粗略的提取图像的掩膜，取代人为输入的用户提示；然后，根据直方图对前景掩膜图像进行数学形态学运算，来生成前景、背景和可能的前景区域种子；最后，为了提高模型的迭代效率，我们在超像素水平上利用Graph Cuts进行迭代分割来得到优化的分割结果，具体结构如下所示。

原文链接：https://doi.org/10.1007/s00530-022-00945-3

( 发布日期: 2022-05-07 )