基于融合多尺度标记信息的深度交互式图像分割

丁宗元 孙权森 王 涛 王洪元

1(南京理工大学计算机科学与技术学院 南京 210094) 2(常州大学计算机与人工智能学院 江苏常州 213164)

图像分割是通过计算机视觉算法将图像划分为若干内部连通却彼此特征互异的区域，优秀的分割结果可以显著提升计算机视觉的其他任务表现，例如目标检测，图像识别等.传统图像分割算法对图像中的目标缺乏偏好性.而为了获取用户感兴趣目标，交互式图像分割算法被提出.通过引入少量的用户标记(边界框、画线、单击等)，将这些标记作为先验，从而指导网络分割出用户感兴趣目标，此外，先验能够对网络分割的结果起到很好的修正作用.交互式图像分割在图像编辑、医疗图像分析等领域都有着广泛的应用[1-3].

传统的交互式图像分割算法主要利用颜色、纹理等手工特征设计算法.在此基础上，一些基于图论的交互式图像分割算法被提出，例如GraphCut[4]，GrabCut[5]，Random walks[6]等.这些算法在一些简单的图像上获得了较好的分割结果.然而这些简单的手工特征对一些复杂图像缺乏鲁棒性，导致算法性能急剧下降.而近些年随着深度学习的成功应用，深度特征逐渐取代传统手工特征，大大提升了交互式图像分割的性能.

在基于深度学习的交互式图像分割领域，涌现了大量性能优异的网络模型.深度交互式目标选择(deep interactive object selection)[7]首次将深度学习应用在交互式图像分割领域，基于全卷积神经网络模型(fully convolutional neural network, FCN)[8]，用户通过单击的方式提供前景与背……