graph cut
文章平均质量分 62
lut609921895
这个作者很懒,什么都没留下…
展开
-
Image Segmentation:A Survey of Graph-cut Methods
《Image Segmentation:A Survey of Graph-cut Methods》这篇文章是Graph-cut图像分割方法的一个综述,文章在第一部分首先给出了图割方法分割图像的优势,之后用图割方法与其他5种图像分割方法做对比,突出图割方法的优点。在第二部分中,文章详细讲解了图割方法分割图像的过程,并给出了图割方法改进的方向及现状翻译 2017-02-13 09:49:46 · 1555 阅读 · 0 评论 -
Graph cuts based active contour model with selective local or global segmentation
摘要:图割和活动轮廓模型是图像分割中两个非常重要的方法。如今,很多研究人员倾向于将两种方法相结合形成一种高效计算的全局模型。然而,现存的基于活动轮廓的图割方法无法实现对局部分割,而且需要给出边缘项和区域项之间关系的规范化参数。本文提出了一种新的基于活动轮廓模型的图割方法去解决以上两个问题。首先,新的能量函数避免边缘项与区域项的权衡问题,从而在分割过程中不再要求给出规范化参数;再者通过构建一个指定图翻译 2017-02-14 10:55:15 · 533 阅读 · 1 评论 -
Interactive Graph Cuts for Optimal Boundary and Region Segmentation of Objects in N-D ImageS
摘要:在本篇文章中,将对N维图像的分割提出一个新的交互式方法。用户标记部分像素作为“目标”或“背景”,为图像分割提供硬约束。此外,利用图像的边缘信息和区域信息作为软约束。图割方法是一种全局最优的N维图像分割方法。解决方案中给出最优平衡区域与边缘信息约束,从而得到分割结果。我们分割的拓扑结构不收限制而且“目标”和“背景”分割可能由几个孤立部分组成。并附有实验。 1介绍:交互式分割有很多优势翻译 2017-02-23 09:28:39 · 3334 阅读 · 0 评论 -
关于最大流最小割的一点感悟
在图像分割中,图割是一种非常重要的方法,本人原本是做水平集的,但发现图割方法分割图像更有优势,因此打算开始研究图割图像分割。由于是刚开始研究,可能在某些思路上并不准确,希望大家多包涵,并提出错误,谢谢。 在阅读文献《Interactive Graph Cuts for Optimal Boundary & Segementation of Objects in N-D Image》后,自原创 2017-02-26 12:02:34 · 542 阅读 · 0 评论