初六-目标检测-分割

 

图像分割

图像分割算法的目标是将图像分为几个部分。每个分割算法都要解决两个问题：分割准则和执行方法。

 

 

MeanShift聚类

Meanshift聚类也可以用在边缘检测、图像规则化、跟踪等方面。基于meanshift的分割需要精密的参数调整以得到较好的分割效果，如颜色和空间核带宽的选择，区域尺寸最小值的阈值设定。

 

Graph-cut

图像分割可以建模为graph-cut问题。图G的顶点V由图像像素点构成；通过剪除加权的边分割为N个不相连的子图。两个子图间被剪除的边的权和称为cut。权值由颜色、光照、纹理等因素计算得到。

        Wu and Leahy [1993]提出了最小cut准则，目标是找到能够最小化cut的分割。

        Shi and Malik [2000]提出了归一化cut来解决过度分割问题。

 

通常应用在跟踪目标轮廓上；与MeanShift相比，它所需要参数较少，但计算开销和内存开销较大。

 

 

 

 

主动轮廓

主动轮廓曲线将一个闭合轮廓曲线推演为目标边界，从而实现图像分割。这个过程由轮廓的能量函数来操纵。

这个问题需要解决三个方面问题：一是能量函数的确定，二是轮廓曲线的初始化，三是轮廓表达方式的选择。

重点看的文献是-[Paragios and Deriche 2000]。

 

NEXT STEP -- 回顾MeanShift聚类，看下其在分割中的应用

                       仔细看Graph-Cut方法的意义

                       主动轮廓方法，看[Paragios and Deriche 2000]

                       总结监督学习方面知识