针对传统局部一致性方法的缺点,在研究全局一致性方法的基础上,提出一种对偶分布匹配(Dual Distribution Matching,即DDM)的图像分割算法。该算法首先将前景和背景的概率分布作为输入分布,构造出前景和背景的对偶匹配模型,该模型描述两...针对传统局部一致性方法的缺点,在研究全局一致性方法的基础上,提出一种对偶分布匹配(Dual Distribution Matching,即DDM)的图像分割算法。该算法首先将前景和背景的概率分布作为输入分布,构造出前景和背景的对偶匹配模型,该模型描述两个输入分布和分割结果的相似度,然后利用整幅图像的分布来确定模型的权重参数,从而求解能量函数ε(L)的全局最小化的真解L*,最后利用基于Bhattacharyya的图分割(Bhattacharyya Measure Graph Cut,BMGC)的辅助函数完成能量函数ε(L)的优化,不断更新辅助标记La,Lb收敛于真实标记L*。实验表明在输入分布不够精确的情况下,该算法具有较好的准确性和稳定性。展开更多
