基于能量泛函的图像分割方法
最近研究计算机视觉中传统的图像分割算法,做一个基于能量泛函的图像分割的总结。本文是基于Mumford, David Bryant和 Jayant Shah的文章《Optimal Approximations by Piecewise Smooth Functions and Associated Variational Problems》。链接如下:
简介
在计算机视觉中,基本问题是适当地分解区域 R R R 上的两个变量的函数 g ( x , y ) g(x, y) g(x,y),即图像分割。图像 g ( x , y ) g(x,y) g(x,y) 能很好的用一个平滑的定义在覆盖整个区域 R R R 的不相交的区域 R i R_i Ri 集合上的函数 f i f_i fi 的集合 来拟合模拟。
然而,这个模型并不能精确:(i)纹理物体,如地毯或碎片物体,如树冠,定义了更复杂的图像; (ii)由于半影,阴影不是真正的不连续性; (iii)表面标记有各种误导形式; (iv)部分透明物体(例如液体)及反射物体会带来进一步的复杂情况; (v) g ( x , y ) g(x,y) g(x,y) 的测量总是产生一个有损坏的,有噪声的近似。尽管如此,分段平滑模型在某些尺度和某种近似值上都是可用的。
图像分割的定义是计算图像 g g g 的区域 R 的分解:
R = R 1 ∪ R 2 ∪ . . . ∪ R i ∪ Γ R = R_1 \cup R_2 \cup ... \cup R_i \cup \Gamma R=R1∪R2∪...