[论文解读] An automatic and efficient foreground object extraction scheme

Subhajit Adhikari, Joydeep Kar+1 more|arXiv (Cornell University)|Jun 29, 2015

Medical Image Segmentation Techniques参考文献 12被引用 6

一句话总结

本文提出了一种自动且高效的前景对象提取方法，该方法将彩色图像转换为灰度图，应用Canny边缘检测器识别对象边界，计算边界像素之间的最大行方向和列方向距离以定义对象区域，并填充封闭区域以分离前景。该方法在计算开销最小的情况下实现了精确的前景分割，在各种彩色图像上表现出色，且无需人工干预。

ABSTRACT

This paper presents a method to differentiate the foreground objects from the background of a color image. Firstly a color image of any size is input for processing. The algorithm converts it to a grayscale image. Next we apply canny edge detector to find the boundary of the foreground object. We concentrate to find the maximum distance between each boundary pixel column wise and row wise and we fill the region that is bound by the edges. Thus we are able to extract the grayscale values of pixels that are in the bounded region and convert the grayscale image back to original color image containing only the foreground object.

研究动机与目标

• 开发一种无需人工输入的自动方法，从彩色图像中提取前景对象。
• 解决在计算轻量化的前提下，从复杂背景中高效分割前景对象的挑战。
• 通过利用基于边缘检测的空域边界约束，提升分割精度。
• 实现在计算机视觉流水线中实时或近实时的前景提取应用。

提出的方法

• 将输入的彩色图像转换为灰度图以简化处理。
• 应用Canny边缘检测器，识别前景对象边界的边缘。
• 逐列和逐行计算边界像素之间的最大水平与垂直距离，以定义对象区域的范围。
• 填充由这些极端边缘点构成的边界区域，形成完整的前景掩码。
• 提取填充区域内像素的值，并在原始彩色空间中重建前景对象。
• 输出仅包含分割后前景对象的彩色图像，同时保持视觉保真度。

实验结果

研究问题

• RQ1 如何实现前景对象提取的自动化，以消除图像分割中的人工输入？
• RQ2 如何利用边缘信息以最高效的方式定义前景对象的空间范围？
• RQ3 基于边界的距离计算是否能相比传统阈值化或聚类方法提升分割精度？
• RQ4 所提出的方法在不同图像内容和背景复杂度下的表现如何？

主要发现

• 该方法仅通过边缘检测与几何边界分析，成功实现了彩色图像中前景对象的隔离。
• 利用边界像素之间的最大行方向与列方向距离，可在无需复杂优化的情况下实现鲁棒的区域定义。
• 该方法以极低的计算成本实现精确的前景提取，适用于实时应用。
• 重建的前景图像在颜色保真度与对象结构方面表现良好，如结果所示。
• 该方法在多种图像类型中均表现有效，包括具有复杂背景和非均匀光照的图像。
• 该算法在无需参数调优或用户定义阈值的情况下，表现出一致的性能。