多颜色空间上的交互式图像分割

第 24 卷　第 7 期 2001 年 7 月 计　　算　　机　　学　　报 CH IN ESE J 1COM PU T ER S V o l. 24 N o. 7Ju ly 2001 多颜色空间上的交互式图像分割 魏宝刚　鲁东明　潘云鹤　杨　云 (浙江大学人工智能研究所　杭州 310027) (浙江大学CAD & CG 国家重点实验室　杭州 310027) 收稿日期: 2000203231; 修改稿收到日期: 2000209208. 本课题得到国家自然科学基金重点项目 (69733030) 资助. 魏宝刚, 男, 1960 年生, 博 士, 副教授, 主要研究方向为人工智能、图像处理、模式识别、数据库与知识库系统. 鲁东明, 男, 1968 年生, 博士, 教授, 主要研究方向为人 工智能、多媒体、计算机网络. 潘云鹤, 男, 1946 年生, 中国 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 院院士, 浙江大学校长, 教授, 博士生导师, 主要研究方向为人工智能、认知 科学、智能CAD、计算机美术等. 杨　云, 女, 1947 年生, 工程师, 主要研究方向为人工智能. 摘　要　介绍了视觉颜色空间及其在交互式图像分割中的作用, 实验分析了它的奇异性, 在此基础上, 考虑像素的 空间和色彩分布, 提出了基于区域生长法的多颜色空间、多度量 准则 租赁准则应用指南下载租赁准则应用指南下载租赁准则应用指南下载租赁准则应用指南下载租赁准则应用指南下载 的聚类算法和零碎区域的合并算法, 颜色空间 选取H SL 和R GB 两种, 相似性度量包括了种子点、扩张点和生长区域三个方面, 并用于敦煌壁画图像的分割. 关键词　图像分割, 颜色空间, 区域生长 中图法分类号: T P391 In teractive Image Segm en ta tion Using M ultiple Color Spaces W E I Bao2Gang　LU Dong2M ing　PAN Yun2H e　YAN G Yun ( Institu te of A rtif icia l In tellig ence, Z hej iang U n iversity , H ang z hou 310027) (S ta te K ey L abora tory of CA D & CG , Z hej iang U n iversity , H ang z hou 310027) Abstract　 Im age segm en ta t ion is an impo rtan t f irst task of any im age analysis p rocess. A ll the sub sequen t task s, such as fea tu re ex tract ion and ob ject recogn it ion, rely heavily on the quality of the segm en ta t ion. T h is paper p resen ts the percep tual co lo r space and its advan tage in segm en t ing the co lo r im age in teract ively. A lthough the co lo r space reflects the w ay m an ob serves co lo r, it s st rangeness is a p rob lem no t to be overlook. A sm all change of co lo r value can cau se hue compo2 nen t (H ) to fluctuate largely w hen satu ra t ion param eter (S) of H SL co lo r space is less than 10% o r larger than 90% o r the th ree componen ts’ values of R GB co lo r space are clo se to each o ther. Bo th R GB and H SL co lo r spaces are u sed in im age segm en t ing in o rder to avo id the st rangeness. T he fo rm er is u sed if co lo r d ist ribu t ion is in the range of the st rangeness, o therw ise the la t ter is u sed. A region grow ing algo rithm and a m erging algo rithm u sing m u lt ip le co lo r spaces and m u lt i2 p le homogeneity criterion s are p ropo sed. T he tw o algo rithm s take in to accoun t co lo r sim ilarity and spat ia l p rox im ity sim u ltaneou sly. T he homogeneity criterion s are rela t ive to seed po in t, ex2 pand po in t, and grow ing region respect ively. T he h isto ry of D unhuang’s frescoes has nearly tw o thou sand years. T he o rig inals, ow ing to disco lo ring and part ly dropp ing fo r variou s reason s, had been dam aged seriou sly. T he m u ral im age is mo re diff icu lt to p rocess than o ther types of im age. Fu lly au tom at ic genera l segm en ta t ion is an un so lved p rob lem in the comp lex app lica t ion s. T he in2 teract ive im age segm en ta t ion techn ique has been u sed in the im age p rocessing of D unH uang m u ral and has ach ieved effect ive resu lt. Keywords　 im age segm en ta t ion, co lo r space, reg ion grow ing 1　引　言 图像分割是任何图像分析过程中的首要的任 务, 由于接下来所要做的 (如特征提取、目标识别 等) , 都取决于图像分割的质量. 图像分割技术的研 究已有几十年的历史, 但至今人们并不能找到通用 的方法能够适合于所有类型的图像. 常用的图像分 割技术可划分为四类: 特征阈值或聚类、边缘检测、 区域生长或区域提取. 虽然这些方法分割灰度图像 效果较好, 但用于彩色图像的分割往往达不到理想 的效果[1 ]. 彩色特征聚类是阈值概念的多维扩展, 通常在 每一色彩分量上可得到不同的直方图, 分别确定各 自的阈值后, 将结果组合起来, 并映射到空域构成分 割的彩色图像. 用这种方法得出的分割结果往往会 出现彩色聚类相互重叠, 其原因除了彩色图像直方 图尖峰不明显使阈值难以确定外, 像素的色彩映射 到三个不同的直方图上, 色彩信息本身被耗散. 边缘是指图像中一种或多种特征突变的地方. 边缘检测方法的突出问题是检测出边缘的连续性, 特别是图像中包括许多细小区域或噪声严重的图 像, 往往会产生错误或额外边缘. 区域生长与合并方法的缺点在于它们固有的顺 序特性, 结果好坏受种子的选取和区域生长与合并 的次序影响较大. 但与其它方法相比区域生长法直 接作用于颜色空间, 在分割过程中可同时考虑色彩 分布及其空域上的重新划分, 特别是在复杂的图像 应用中, 完全依赖自动分割很难达到应用的要求, 往 往要借助于人的交互, 这时区域生长法更能显现它 的优越性. 本文以敦煌壁画图像为应用背景, 介绍了交互 式彩色图像分割中的主要技术方法. 2　视觉颜色空间和其奇异性 2. 1　视觉颜色空间 人眼对于彩色的观察和处理是一种生理和心理 现象, 目前对其机理还没有搞清楚, 因而对于彩色的 许多结论都是建立在实验基础之上的. 正因为如此, 人们对于彩色的描述方法也多种多样. 很早以来, 人 们就试图以不同形状的形体表示颜色, 从棱锥、圆锥 到球体以及一些不规则的形状. 不同颜色空间的构造往往是与应用相关的, 崔 屹[2 ]在数字图像处理技术与应用一 书 关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf 中将彩色模型 分为三类, 即色度学模型、工业模型和视觉模型. 一 般来讲, 色度学模型, 如XYZ, U CS 彩色模型, 多少 偏重于纯理论和计算方面, 有时称为计算模型; 工业 模型主要用于电视传输及彩色重现的实际应用场 合; 而视觉彩色模型则侧重于用与人视觉相吻合的 亮度、色调和饱和度来描述色彩信息. 色调决定于彩色光的光谱成分, 是彩色光在 “质”方面的特征. 如某种物体在白光下呈现绿色, 是 因为它仅反射绿光分量. 对于透射物体, 其色调则由 透射光的波长所决定; 饱和度决定于彩色光中混入 白光的数量, 彩色光中纯光谱色的含量越多, 其饱和 度越高; 亮度决定于彩色光的强度, 也可以理解为彩 色光引起视觉刺激的程度, 是彩色光在“量”方面的 特征, 彩色光所含能量大则显得亮, 反之则显得暗. 色调和饱和度合称为“色度”, 色度既说明了彩色光 的颜色类别, 又说明了颜色的深浅程度. 把不同亮度的黑、白、灰按上白、下黑、中间为不 同亮度的灰等差秩序排列起来, 构成亮度序列; 把不 同色调的高饱和度色彩按红、橙、黄、绿、蓝、紫、紫红 等差环列起来构成色调环; 把每个色调中不同饱和 度的色彩, 外面为纯色向内饱和度降低, 按等差饱和 度排列起来, 可得各色调的饱和度序列. 以无彩色 黑、白、灰亮度序列为中轴, 以色调环环列于中轴, 以 饱和度与中轴构成饱和度序列, 把千百个色彩依亮 度、色调、饱和度三种关系组织在一起, 构成可视颜 色空间. 2. 2　视觉颜色空间的奇异性 目前常用的H SL 以及类似的H SV 空间在视觉 上是均匀的, 与人类的颜色视觉有很好的一致性, 因 此人们将其称为基于感知的彩色模型或视觉颜色空 间, 在彩色图像分割中得到广泛应用. 但可视空间的 奇异性是一个不能忽视的问题, 具体地讲, 当一像素 的 R , G , B 分量取值相近时, 这个像素的色调是不 确定的, 在奇异点附近, 即使 R , G , B 的值有很小变 化也会引起变换值 (主要是色调分量H ) 有很大波 动, 而且变换后的分布呈假模式. 当亮度很高 ( l> 90% ) 或很低 ( l< 10% )时, 色调分量也将失去意 义. 另外, 饱和度的定义通常为R GB 分量的线性组 合, 当R + G + B 的数值较小时, 色调的变化也较大. 图 1 为两种色彩的R GB 和H SL 分量的分布情 况. 它们分别取自敦煌壁画中变色和未变色菩萨的 肤色, (a) 是 R , G , B 值的分布相近 (平均值为 70, 82, 82) 的灰色调, 从中可以得出结论, 当饱和度 1777 期 魏宝刚等: 多颜色空间上的交互式图像分割 s< 10% 或其R GB 分量大小接近时, H 分量表现出 明显的发散分布; (b) 是 R , G , B 值分布相差较大 (平均值为 178, 147, 106) 的桔红色, 这时平均饱和 度 s> 20% , H 分量分布也较均匀. 图 1 (a) 中灰色调 H 的变化范围已达到 109— 203, 这时仍然用 H SL 空间分割图像将不能得到满 意的结果. 解决可视颜色空间的奇异性问题一般可 采取回避的策略, Ikonom ak is 和 P latan io t is[3 ]等首 先通过检测H S I 值将像素划分为有色和无色两类, 其中无色像素就是指其取值范围是在奇异区间内, 对这类像素的聚类仅仅以亮度作为衡量的尺度. 我 们通过实验发现, 对奇异像素的聚类直接用R GB 颜色空间的计算会得到更好的效果. 3　交互式图像分割 3. 1　交互式图像分割方法 从目标定位与提取两个角度来看, 人擅长于目 标的识别定位, 而计算机算法则善于精确地进行目 标提取. 如果将人的作用有机地融入到图像分割过 程中, 则可能得到满意的结果. 近年来, 彩色图像分 割与边缘提取的交互式方法越来越为人们所重视. 其中最具代表性的有区域生长法和智能剪刀法. T rem eau 和Bo rel[4 ]认为由于区域生长法直接 作用于颜色空间, 在分割过程中同时考虑了色彩分 布以及其空域上的重新划分, 因此, 它较聚类和阈值 方法更适合于彩色图像分割, 他们将区域生长和区 域合并结合在一起用于彩色图像的分割. 区域生长 过程同时考虑了色彩相似和空间邻近, 而区域的合 并只考虑了色彩相似, 这是为了能够将色彩特征相 似, 但空间非连通的区域合并起来. B righan Young 大学 1992 年开发的交互式活 线 ( live2w ire) 工具是较早的交互式图像分割工具, 这之后有了“智能剪刀 ( in telligen t scisso rs)”的提 法. 智能剪刀能借助于鼠标所反映的手势动作, 迅 速、准确地提取出图像中的目标对象. 它的关键技术 是基于活线的边缘检测. 其基本思想是用节点表示 像素, 加权的有向边将每一像素与其相邻的 8 个像 素连起来, 构成图像的加权图表示, 从而把边缘检测 形式化为加权图的优化路径搜索问题. 图像的各种 特征属性都可作为图搜索的代价度量. M o rten sen 和Barren t t [5 ]提出了一个六个特征函数的度量标 准, 其中包括多尺度拉普拉斯过零函数、梯度和梯度 方向函数以及边缘像素、内部像素和外部像素值函 数等. 要精确提取目标边缘往往需要许多种子点. 手 工精确放置种子点将消耗很大的精力和时间, 路径 凝固技术是一种新颖有效的方法, 它的目的是自动 从当前活动边缘段选择一个像素作为种子点, 以解 除手工放置种子点的负担. 尽管每次移动鼠标, 都会 有一新的路经被选择, 但离种子点较近的路径通常 是相同的, 只是自由点附近处路径发生变化, 随着离 开种子点越来越远, 活动线边缘将不再变化, 如同蠕 动的热流体逐渐冷却下来一样. 路径凝固技术正是 利用了这一特性自动地在活动线段上找出有稳定历 史的像素作为种子点. 3. 2　多颜色空间上的区域生长法 由于自动分割图像往往满足不了实际要求, 而 且通常的图像处理并非针对整个图像的色彩. 所以, 我们采用交互式的区域生长法提取色彩区域. 只有 满足色彩相似性度量才被认为是目标区域 (或色彩 277 计　　算　　机　　学　　报　 2001 年 对象). 在区域生长过程中, 种子点的位置和大小由 用户交互选取. 区域点聚类的距离度量 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 为 d g 1 (C ( i, j ) , C (m , n) ) Φ ∆p tp , d g 2 (C ( i, j ) , CR ( i, j ) ) Φ ∆p tr, d g 3 (C ( i, j ) , C s ( i, j ) ) Φ ∆p ts 其中C ( i, j ) 为考察点像素的色彩值, C (m , n ) 是与 ( i, j ) 相邻的区域扩张点 (m , n ) 的色彩值, CR ( i, j ) 表示生长区域的平均色彩值, 而C s ( i, j ) 则表示区域 种子点的色彩值. ∆p tp , ∆p tr和 ∆p ts为对应三个度量标准 的阈值, 它们的大小与空间距离成正比, 一般应满足∆p ts> ∆p tr> ∆p tp. 种子点是由人交互式选取的, 由于复杂的应用 中图像往往含有大量的噪声, 若种子点的大小为一 个像素, 有可能交互选出的种子点刚好是一噪声点, 以此作为区域生长的基准显然不行. 解决这一问题 的有效方法是取交互点附近的一个小区域作为种子 点, 比如区域的大小为 3×3 个像素. 相当于一开始 就已经做了一个指定范围的区域扩张, 只不过扩张 是无条件的. 区域生长过程可用下面的算法描述. 算法 1. Step 1. 种子点及其 3×3 相邻点压栈 stack [p s ]= seed ; 在标号图中做标记L ab_ im ag e[nx ×im g _ heig h t+ ny ]= N _ reg ion; Step 2. 从堆栈中取出扩张点; Step 3. 计算待定点与种子点、扩张点以及生长区域的 R GB 空间和H SL 空间色彩距离: D 1_ rbg (seed (R , G , B ) , (r, g , b) ) < 16; D 1_ hsi (seed (H , S ,L ) , (h , s, l) ) < 20. 0; D 2_ rbg (neig hbor (R , G ,B ) , (r, g , b) ) < 8; D 2_ hsi (neig hbor (H , S ,L ) , (h , s, l) ) < 4. 0; D 3_ rbg (m ean (R , G ,B ) , (r, g , b) ) < 10; D 3_ hsi (m ean (H , S ,L ) , (h , s, l) ) < 16. 0; Step 4. 若饱和度 s< 10% 或其 R GB 分量差较小, F F = D 1_ rbg‖D 2_ rbg‖D 2_ rbg ; 否则, F F = D 1_ hsi‖D 2_ hsi‖ D 3_ hsi; Step 5. 若 F F 为真, 且L ab_ im ag e [nx × im g _ heig h t+ ny ]= 0, 将待定点压栈; 在标号图中做标记L ab_ im ag e[nx ×im g _ heig h t+ ny ]= N _ reg ion; 计算区域平均色彩值m ean (H , S ,L )和m ean (R , G ,B ) ; Step 6. 若堆栈不为空, 转 Step 2; 否则, 结束. 3. 3　区域生长过程中的颜色距离度量 颜色距离度量决定了分割区域所具有的性质和 分割结果的好坏. 设要判断的像素 i 的色彩用向量 X = [CX 1, CX 2, CX 3 ]T 表示, 聚类 k 的某一特征色彩 用 K f = [C f 1, C f 2, C f 3 ]T 表示. 判断 X 是否属于聚类 k 的距离度量有很多种, 常用的有 Euclid (欧几里 德) , M inkow sk i, M ahalanob is (马哈兰诺比斯) 和 Cylindrecal 等. Euclid 距离是最常用的衡量两种颜色接近程度 的度量尺度, 其公式为 d Euclid= { (CX 1- C f 1) 2+ (CX 2- C f 2) 2+ (CX 3- C f 3) 2}1ö2. 与此类似的还有更一般的M inkow sk i 距离度 量 dM inkow ski= ∑ p k= 1 û (C ki - C kj ) û p 1p. 在H SL 颜色空间 中, 考虑到不同颜色分量在图像分割中的作用, 大小, 参数 转速和进给参数表a氧化沟运行参数高温蒸汽处理医疗废物pid参数自整定算法口腔医院集中消毒供应 p 可选取不同的值, 这时距离尺度表示为 dM ( i, j ) = (ûH i- H j û a+ ûS i- S j û b+ û I i- I j û c) 1d. 若 k 类中的向量服从多维高斯分布, 可用M aha2 lanob is 距 离 度 量, 其 表 达 式 为 dM ahalanobis = { (X - k Λ) TD k (X - k Λ) }1ö2, Λ= [Cθ k1, Cθ k2, Cθ k3 ]T 表示聚 类 k 的均值向量, D k 为 k 类的协方差阵, 可用D k = E { (kX - k Λ) (kX - k Λ) T }计算求出, 其中 E {·}代表期 望值. D k 中的元素 d ii是第 i 个分量组成的矢量 x i 的方差, D k 的元素 d ij是第 i 个分量组成的矢量 x i 和第 j 个矢量组成的矢量 x j 之间的协方差. Cylindrecal 距离度量是先将像素颜色投影到色 彩平面, 然后按有色和无色两个分量计算, d cyl ( i, j ) = ( (d I ) 2+ (d C ) 2) 12 , 其中 d I = û I i- I j û , d C = ( (S i) 2+ (S j ) 2 - S iS j co s Η) 1ö2, 当 û H i - H j û < 180°时,Η= ûH i- H j û; 当 û H i - H j û > 180°时, Η= 360°-ûH i- H j û. 在以上几种距离度量中,M inkow sk i 和 Cylin2 drecal 用于可视颜色空间效果比较好. 实际应用中, 我 们采用M inkow sk i 作为H SL 颜色空间距离度量, 并 取 a> b> c, 比如 a= 3, b= 2, c= 1, d = 3ö(a+ b+ c) , 以突出色彩分量在像素聚类过程中的主导作用, 而 R GB 颜色空间则用 Euclid 距离度量. 3. 4　区域合并 利用上述区域生长过程得到的图像分割结果往 往含有许多零碎的小区域. 因此, 区域合并的目的是 将零碎区域归并到所提取的区域中去. 区域合并除了考虑色彩相似外, 关键是决定多 大的区域可以被看作不具备物理意义的零碎区域, 如果选择过大会使一些本该分割出的色彩区域被遗 漏, 而选择过小又达不到清除零碎区域的目的. 实验 结果表明, 零碎区域的大小选择 5×5 个像素比较合 3777 期 魏宝刚等: 多颜色空间上的交互式图像分割 适. 图 2 为几种零碎区域的分布情况, 其中▲代表区 域边界点, ¨ 表示区域内部点, (a)为最大零碎区域, (b)为最小的区域, (c)和 (d)为介于最大和最小之间的两种分布情况. 区域合并过程可用下面算法描述: 算法 2. Step 1. 计算标号为 N _ reg ion 区域的 外 接 矩 形 rect_ reg ion (N _ reg ion , lef t, rig h t, bottom , top ) Step 2. 取此矩形区域间的零碎区域: 　fo r (x = lef t; x < = rig h t; I + + ) fo r (y = bottom ; y < = top ; y + + ) 若L ab_ im ag e[x ×h ig h t+ y ]! = 0 取下一点 否则{ 将此点压栈 p ush_ stack (x , y ) ; do{ 从堆栈中取点 p op _ stack (cx , cy ) 若其相邻点 L ab_ im ag e [ (cx + i ) × h ig h t+ cy + j ]= 0 　将点压栈 p ush_ stack (cx + i, cy + j ) , 计算零碎区域长度; }w h ile (零碎区域长度> 5 或堆栈为空) } Step 3. 若取出零碎区域, 计算其平均色彩值 Λi; Step 4. 若û Λr- Λiû < ∆R 则将区域中所有点所对应的标 号图标记为N _ reg ion. 图 3 为敦煌图案中一复杂彩色区域的交互式提 取结果. (a)为原始图像, 从中我们可以看出, 尽管这 一图案整体上为蓝色调, 但色彩浓淡是不均匀的, 色 彩呈现出明显的层次结构; (b) 为区域扩充过程中 只考虑种子点度量的结果, 从中可以更清楚地看出 壁画复杂的色彩分布; (c)为加入区域平均色彩度量 后的结果, 这时分割结果有所改善; (d) 为又加入扩 张点度量的结果, 此时分割结果已有明显的提高, 但 仍然存在一些零碎的小区域; (e)是区域合并后的结 果, 零碎区域的大小选择 5×5 个像素. 到此为止, 只 剩下个别的稍大的零碎区域还有待处理, 进一步的 处理可在用户交互下完成. 当然, 零碎区域的大小并不一定要取 5×5 这一 常数, 可取一变参数. 一般来讲, 取值过小, 分割结果 较差; 取值过大, 又可能漏掉有意义的色彩对象, 视 具体情况而确定它的取值大小. 而区域合并过程中 的色彩相似度量取值可以大些. 从图 3 来看, 用多颜色空间、多度量准则的聚类 算法和零碎区域的合并算法分割彩色图像效果显 著. 与一般的区域生长和合并算法相比, 它的主要改 进是多度量准则. 利用这些准则分割图像并不需要 过大的阈值 (如算法中的三个度量在R GB 空间的 阈值分别为 16, 8 和 10, 在H SL 空间为 20. 0, 4. 0 和 16. 0). 而一般方法由于应用领域的不同, 通常只考 虑一种或两种度量, 主要通过调整阈值改善图像的 分割结果, 当阈值过大时分割结果会超出视觉感知 的范围, 阈值过小需要更多的交互次数, 从而降低了 图像分割的效率. 477 计　　算　　机　　学　　报　 2001 年 4　应用举例 中华民族在人类发展史上创造过与古埃及、古 印度和两河流域并称于世的灿烂文明, 遗存了极其 丰富的文物古迹. 其中敦煌莫高窟壁画上起十六国, 下止元代, 已有一千六百多年的历史. 壁画经千百年 风日侵蚀等各种自然和人为因素的影响, 损坏严重, 色彩大多褪变. 我们在承担国家自然科学基金重点 项目“多媒体与智能技术集成及技术复原”的研究过 程中, 对文物的虚拟展示、壁画色彩虚拟复原等技术 进行了系统深入的研究, 其中壁画的图像处理是基 础性工作. 对于壁画来说, 绘画时用色的浓淡, 不同 色彩的相互融合, 加之壁画表面的磨损、脱落、颜色 褪变等使得自动分割图像难以实现[5 ]. 将上述基于区域生长的交互式彩色图像分割方 法用于壁画图像, 能够有效地解决壁画色彩虚拟复 原中的色彩对象提取. 图4为变色菩萨肢体轮廓的 提取过程和结果, 原为肉红色的肢体轮廓已变为黑 色, 与原来为黑色的图案从视觉上已不能区分. 这时 由人交互式地选择种子点正是发挥人的目标识别定 位能力, 而借助于区域生长算法又充分利用了计算 机的精确目标提取能力. 参 考 文 献 1 W ei Bao2Gang, L i X iang2Yang, L u Dong2M ing, Pan Yun2H e. D evelopm ent of co lo r im age segm entation. Computer Science, 1999, 26 (4) : 59- 62 (in Ch inese) (魏宝刚, 李向阳, 鲁东明, 潘云鹤. 彩色图像分割研究进展. 计 算机科学. 1999, 26 (4) : 59- 62) 2 Cui Yi. D igital Im age P rocessing T echn ique and Its A pp lication. Beijing: Pub lish ing House of E lectron ics Industry, 1995 ( in Ch i2 nese) (崔　屹. 数字图像处理技术与应用. 北京: 电子工业出版社, 1995) 3 Ikonom ak is N , P latan io tis K N , V enetsanopou lo s A N. A re2 gion2based co lo r im age segm entation schem e. SP IE, 1999, 3653: 1202- 1209 4 T rem eau A , Bo rel N A. Region grow ing and m erging algo rithm to co lo r segm entation. Pattern Recogn ition, 1997, 30 (7) : 1191 - 1203 5 M o rtensen E N , Barrett W A. In teractive segm entation w ith in2 telligen t scisso rs. Graph ical M odels and Im age P rocessing, 1998, 60 (4) : 349- 384 6 W ei Bao2Gang, Pan Yun2H e, H ua Zhong. A n analogy2based virtual app roach fo r co lo r resto ration of w all pain ting. Journal of Computer Research and D evelopm ent, 1999, 36 ( 11) : 1364 - 1368 ( in Ch inese) (魏宝刚, 潘云鹤, 华　忠. 基于类比的壁画色彩虚拟复原. 计算 机研究与发展, 1999, 36 (11) : 1364- 1368) 5777 期 魏宝刚等: 多颜色空间上的交互式图像分割