1.一种多人协同的交互式图像分割方法，包括如下步骤：

(1)多人协同对图像中的前景和背景分别做少量像素点的标注；

(2)合并不同人的标注像素集合；

(3)分别建立关于前景和背景的GMM模型；

(4)利用GMM模型通过DenseCut算法对图像中未被标注的像素点进行迭代分割。

2.根据权利要求1所述的交互式图像分割方法，其特征在于：所述步骤(1)中通过多人协同标注得到N组前景像素集 以及N组背景像素集 N为参与标注的人数， 为第n个人对图像前景标注得到的前景像素集， 为第n个人对图像背景标注得到的背景像素集，n为自然数且1≤n≤N。

3.根据权利要求2所述的交互式图像分割方法，其特征在于：所述步骤(2)中合并不同人的标注像素集合，即取N组前景像素集 的并集为Pf，取N组背景像素集的并集为Pb，对于像素集Pf和Pb中的每一像素点，记录像素点的被标注次数。

4.根据权利要求3所述的交互式图像分割方法，其特征在于：所述步骤(3)中前景的GMM模型表达式如下，背景的GMM模型同理；

其中：x为图像前景中任一像素点的像素值，p(x)表示该像素点属于前景的概率，K为GMM分量个数，ηk为第k个前景高斯分量的权重，Σk为第k个前景高斯分量的协方差矩阵，μk为第k个前景高斯分量的均值，T表示转置。

5.根据权利要求4所述的交互式图像分割方法，其特征在于：所述均值μk的初始化计算表达式如下：其中：Pfk表示对像素集Pf进行K聚类后得到的第k类子集，i为子集Pfk中的任一像素点，zi为像素点i的像素值，wi为像素点i的被标注次数。

6.根据权利要求4所述的交互式图像分割方法，其特征在于：所述协方差矩阵Σk的初始化计算表达式如下：其中：Pfk表示对像素集Pf进行K聚类后得到的第k类子集，i为子集Pfk中的任一像素点，zi为像素点i的像素值，wi为像素点i的被标注次数。

7.根据权利要求4所述的交互式图像分割方法，其特征在于：所述权重ηk的初始化计算表达式如下：其中：βk为第k个前景高斯分量被标注的权重， 为权重ηk的中间值。

8.根据权利要求7所述的交互式图像分割方法，其特征在于：所述中间值 的表达式如下：其中：Pfk表示对像素集Pf进行K聚类后得到的第k类子集，i为子集Pfk中的任一像素点，j为像素集Pf中的任一像素点，wi为像素点i的被标注次数，wj为像素点j的被标注次数。

9.根据权利要求7所述的交互式图像分割方法，其特征在于：所述权重βk的表达式如下：Ck＝count(αnk＝k)

其中：count(αnk＝k)表示矩阵α中等于k的元素值个数，αnk为矩阵α中第n行第k列元素值，[]表示向下取整，Pfm表示对像素集Pf进行K聚类后得到的第m类子集，q为子集Pfm中的任一像素点，zq为像素点q的像素值，wq为像素点q的被标注次数， 表示对像素集 进行K聚类后得到的第k类子集，p为子集 中的任一像素点，zp为像素点p的像素值， 为子集中的像素点个数。

10.根据权利要求4所述的交互式图像分割方法，其特征在于：所述步骤(4)的具体实现过程如下：

4.1通过对以下能量函数E进行最小化求解，得到图像中未被标注的各像素点的分割标签；

其中：ya为图像中第a个像素点的分割标签且ya＝0或1，ya＝1表示第a个像素点属于前景，ya＝0表示第a个像素点属于背景，yb为图像中第b个像素点的分割标签，Ω为图像中未被标注像素点的索引号集合，a和b均为自然数，za为图像中第a个像素点的像素值，zb为图像中第b个像素点的像素值，p0(za)表示图像中第a个像素点属于背景的概率即像素值za代入背景GMM模型中计算得到的结果，p1(za)表示图像中第a个像素点属于前景的概率即像素值za代入前景GMM模型中计算得到的结果，Ia为图像中第a个像素点的位置坐标，Ib为图像中第b个像素点的位置坐标，λ1、λ2、θα、θβ、θγ均为给定的超参数；

4.2根据步骤4.1得到的分割结果，对于图像中任一前景像素点，将其像素值分别代入K个前景高斯分量模型中计算对应的概率值，然后将该前景像素点分配给对应概率值最大的前景高斯分量，依此遍历并统计各前景高斯分量被分配到的前景像素点个数，进而通过以下公式更新前景GMM模型中的均值μk、协方差矩阵Σk以及权重ηk；

其中：Bfk为第k个前景高斯分量被分配到的前景像素点个数，Mf为基于步骤4.1得到的分割结果下前景像素点总数，H为基于步骤4.1得到的分割结果下分配给第k个前景高斯分量的所有前景像素点组成的前景像素集，c为前景像素集H中的任一像素点，zc为像素点c的像素值，背景GMM模型的参数更新同理；

4.3迭代执行步骤4.1和4.2，直至分割结果收敛或达到预设的最大迭代次数，从而得到最终的分割结果。