摘要: 针对无监督或全自动前景提取这一技术难点问题,提出了一种基于遗传和高斯变差的自动前景提取方法(GFO)。首先利用高斯变差提取图像中的相对重要的区域,定义为候选种子前景;之后,利用原始图像和候选种子前景的边沿信息,根据连通性和凸球原则生成前景目标区域轮廓, 称之为星凸轮廓;然后构造适应性函数,选择种子前景,利用选择、交叉及变异的遗传机理,得到精确且有效的最终前景。在Achanta数据库和多个视频上的实验结果表明,GFO方法的性能优于已有的基于高斯变差的自动前景提取方法(FMDOG),且在识别的准确率、召回率以及F-Beta指标上都取得了较好的抽取效果。
中图分类号: