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