PSSI-MaxST：利用强度与平滑度特征的高效像素-片段相似度指数用于基于最大生成树的分割

基于图的交互式分割方法在用户输入的辅助下将图像划分为前景和背景区域。然而，现有方法通常存在计算成本高、对用户交互敏感以及当前景和背景具有相似颜色分布时性能下降的问题。影响分割性能的一个关键因素是用于在图中分配边权重的相似性度量。为了应对这些挑战，我们提出了一种新颖的像素片段相似度指数（Pixel Segment Similarity Index, PSSI），它通过结合像素强度和空间平滑度特征，利用通道间相似性的调和平均值。调和平均值有效地惩罚了任何单个通道中的差异，增强了鲁棒性。PSSI 的计算复杂度为 $\mathcal{O}(B)$，其中 $B$ 表示直方图箱数。我们的分割框架从使用 MeanShift 的低级分割开始，有效地捕获颜色、纹理和片段形状。基于生成的像素片段，我们构建了一个由 PSSI 确定边权重的像素-片段图。对于划分，我们采用最大生成树（Maximum Spanning Tree, MaxST），它捕获了有利于精确分割的强连接局部邻域。所提出的 PSSI、MeanShift 和 MaxST 的集成使我们的方法能够共同捕获颜色相似性、平滑度、纹理、形状和强局部连通性。在 GrabCut 和 Images250 数据集上的实验评估表明，以 Jaccard 指数（IoU）、$F_1$ 分数、执行时间和平均误差（Mean Error, ME）作为分割质量的衡量标准，我们的方法在分割质量上始终优于当前的基于图的交互式分割方法，如 AMOE、OneCut 和 SSNCut。代码公开于：https://github.com/KaustubhShejole/PSSI-MaxST。