使用全局和局部能量优化的交互式共同分割

我们提出了一种新颖的交互式共同分割方法，利用全局和局部能量优化。全局能量包括两个项：1）全局涂鸦能量和2）图像间能量。第一个利用用户涂鸦建立高斯混合模型并提高共同分割性能。第二个是一种全局约束，旨在匹配普通对象的直方图。为了最小化局部能量，我们应用样条回归来学习局部邻域中的平滑性。这个能量优化可以转化为约束二次规划问题。为了降低计算复杂性，我们提出了一种迭代优化算法，将这个优化问题分解为若干子问题。实验结果表明，我们的方法在iCoseg和MSRC基准数据集上优于最先进的无监督共同分割和交互式共同分割方法。