图像分割学习笔记1

图像分割学习笔记1

1、显著性检测（Saliency Detection）

1.1 两类问题

①显著性物体分割（Salient object segmentation）--- 最能引起人的视觉注意的物体区域

②注视点预测（Fixation prediction）--- 通过对眼动的预测和研究探索人类视觉注意机制

1.2 两种策略的视觉注意机制

①自底而上基于数据驱动的注意机制

　　1）从数据出发

　　2）与周边有较强对比度或差异

　　3）颜色、亮度、边缘等特征

②自上而下基于任务驱动的目标的注意机制

　　1）从认知因素出发，如知识、预期、兴趣等

1.3 Pascal VOC数据集

　　①显著物体标注 　　②眼动数据

　　如下图所示，由VGG修改而成DNN模型，用于显著性检测，最后一层是一个解卷积层。

2、物体分割（Object Segmentation）

2.1 前景背景分割

　　①前景一般包含物体　　②需要交互提供初始标记（提供一些简单的初始标记，使分割更好）

2.2 Graph Cuts分割

　　最基本的分割算法一般都是基于图论。

　　①基于图论的分割方法

　　②分割模型

　　　　1）每个像素都一个节点

　　　　2）最小割最大流算法优化

2.3 GrabCut分割

　　①前景/背景的颜色模型

　　　　1）高斯混合模型

　　　　2）Kmeans算法获得

　　②迭代进行Graph Cuts

　　　　1）优化前景和背景的颜色模型