基于最大稳定区域的图像分割算法

面向灰度图的最大稳定区域分割算法最早由J. Matas在BMVC2002上提出，题目为Robust wide-baseline stereo from maximally stable extremal regions

算法流程如下
1. 对于所有像素按照灰度值从小到达排序
2. 按照灰度值小到大的次序，将像素添加到多连通图D中，两个像素是连通的当且仅当其在原始图像I中的位置构成4-邻域。由此形成了多个连通区域Qi
3. 若新添加的像素同时与多个连通区域{Qk }相邻，则合并这些区域
4. 对每个区域，计算生长速度的导数，若遇局部极值点，则停止该区域生长

注意，每个区域的极小值点对应阈值可能不同，最终阈值取值一般要跑遍0-255

---

为了分割出图像中含有不同颜色的区域，文献1提出了一种基于最大稳定区域的算法：
对于灰度图，以不同大小的阈值$t$进行二值化，统计连通区域的形状，搜索关于 $t$ “最稳定”(关于不同 $t$ 面积变换最小)的区域。搜索采用基数排序。
对于彩色图像，将像素上下左右相邻视为图的节点，相邻两像素的色差度量视为边权值，以不同大小的阈值$t$对边进行分割，则可将整幅图像分割为多个连通图。统计最稳定方法同上。

色差度量：本文采用的是Chi squared measure

$$g^2(x,y)=\sum_{c=1}^3{\frac{(I_c(x)-I_c(y))^2}{I_c(x)+I_c(y)}}$$

---

Efficient Maximally Stable Extremal Region (MSER) Tracking提出一种基于component tree的方法用于跟踪视频帧序列。
建立component tree 的有效算法（拟线性）见Building the Component Tree in Quasi-Linear Time
component tree描述的是区域包含关系，从上到下，阈值越来越严格，使得树叶对应的区域包含于树枝内部。匹配时可以上下寻优。另外，可以对每个结点引入“阈值空档”描绘距离上下两片之间的阈值差值，越大越好。

---

Robust Wide Baseline Stereo from Maximally Stable Extremal Regions将该算法用于双目视觉极线匹配

• 我觉得可以利用彩色component tree搞一搞事情 因为颜色无关，纯粹形状轮廓作为识别描述子
• “mixed fixed component tree”对相邻层的轮廓，融合spatial信息局部