基于全局和局部搜索的物体分割算法

崔盼盼

摘 要：我们提出一个从超像素组来生成对象分割的建议。我们的目标是对图像中的所有对象准确分割。我们的方法在超像素集结合了全局和局部搜索。局部搜索通过贪婪地合并相邻超像素去建立一个自底向上的分层次分割。通过分层得到的区域直接提供了我们区域建议的一部分。全局搜索通过从层次结构中间层获得的超像素组上采用图割法生成建议的另一部分。实验结果表明，我们提出的分割建议在准确性和消耗上都有很大的改进。

关键词：超像素组；局部搜索；全局搜索；物体分割

最近几年，对于图像中自动检测和识别对象的研究已经有了很大的提升。比较传统的方法有采用滑动窗口框架及直方图的方向梯度HOG。后来也出现了如多级串联结构或通过采样不一致的边界盒子和独立分类方式或进一步考虑了使用计算量小的特性和分类器。虽然，他们的性能比传统的方法好，但仍然存在分割慢、效率低、耗费大的缺陷。这里，我们描述一个通过超像素组生成分割的快速方法。该方法可以用作一般物体分类识别框架的第一阶段，去限制传递给进一步的处理阶段的区域数量，使分割更快完成。

1 方法概述

本节将详细描述我们的方法。我们首先将给定的图像过分割成超像素，之后得到分割提案，使用局部搜索和全局搜索两种方式进行超像素合并，最終得到分割图。

1.1 生成超像素和特征提取

作为该方法的第一阶段，我们使用SLIC方法来生成超像素。SLIC方法产生相对紧凑大致相等大小的超像素。我们设置参数，进行过分割。一旦生成超像素，我们计算它们的特征向量。我们使用SIFT描述符号（在密集常规网格上计算得到的）和RGB值（从每个像素中提取的）。

1.2 超像素优化

在第二阶段，我们计算每一对相邻超像素的相似性得分。超像素对（i，j）的这个分数定义为：

1.3 局部搜索

局部搜索的方法类似于贪婪超像素合并技术，不过我们使用了不同的特征。在这种方法中，每一对相邻超像素被分配一个分数，代表超像素的视觉相似性。最相似的一对然后合并成一个单一超像素并保存为一个分割建议。这个新超像素与相邻超像素相似的分数被更新。合并过程不断迭代最终收集所有的分割建议。

1.4 全局搜索

为了克服局部搜索方法的局限性，我们提出，当决定下一个对象的建议时，同时考虑所有超像素。我们通过在图上定义一个优化问题。在这个图上，每个superpixel代表一个节点，在每一对相邻superpixels之间有一个的联系。详细如下：对每个超像素，定义一个标签li标签可以带一个值{ fg，bg}，分别代表前景和背景。此外，定义能量函数的一般形式：

2 实验与分析

使用上述的方法，我们每一阶段得到一个实验结果，如图1所示：

从左到右分别为：原始图像；SLIC生成的初始超像素；超像素优化；最终建议。

3 结论

在本文中，我们提出了一种在超像素组上的基于全局和局部搜索的图像分割建议。该方法的主要创新之一是结合全局与和局部超像素组技术，以这样一种方式可以用相对较少的地区获得对象的高召回率。

我们实验表明生成的区域建议对各种各样的对象提供了准确的分割。考虑到以后的工作，我们需要不断优化结构模型，以便生成适用更大数据集的分割策略。

参考文献：

[1] A. Vedaldi， V. Gulshan， M. Varma， and A. Zisserman. Multi plekernels for object detection. In ICCV，2009.

[2] P.F.Felzenszwalb， R. B. Girshick， D. A. McAllester， and D. Ramanan. Object detection with discriminatively trained part-based models. TPAMI，2010.

[3] B. Alexe， T. Deselaers， and V. Ferrari. What is an object？ In CVPR，2010.

[4] E. Rahtu， J. Kannala， and M. Blaschko. Learning a category independent object detection cascade. In ICCV，2011.

[5] K.E.A. van de Sande，J.R.R.Uijlings，T.Gevers，and A.W.M. Smeulders. Segmentation as selective search for object recognition. In ICCV，2011.

[7] I.Endres and D.Hoiem.Category independent object proposals.In ECCV，2010.

[6] J. Carreira and C. Sminchisescu. Constrained parametric min-cuts for automatic object segmentation.In CVPR，2010.