计算机科技理论图片,计算机视觉理论笔记 (9) - 图像分割 (Image Segmentation)

总览

图像分割目的：将属于同一对象的像素分组到一起。

分割被定义为将图像分解为分段(segments)，区域(region)或者对象(object)的过程：

在使用分割输出的环境中，分割是有意义的。

当应用程序中的兴趣部分(segments of interest)已经被分割出来时，程序停止。

区域分割 (region segmentation) vs 语义分割 (segmentic segmentation)。

分段通常是不重叠 (non-overlapping) 的。

分段中的像素: 通常是具有相似的视觉特性(visual properties)，在空间上相连，属于同一对象。

视觉特性: 可衡量特征，包括像素强度或颜色，边缘，纹理(texture)，运动，深度。

分割方法

基于轮廓 (contour-based): 也成为基于边缘，检测线段之间的边缘并线段的闭合轮廓(closed contours)。

基于聚类 (clustering-based): 阈值化。将具有相似视觉特性的所有像素组合在一起。

边缘/轮廓 和 聚类的结合。

基于深度学习进行分割。

基于聚类的图像分割 (Clustering-based Image Segmentation)

将像素分组为K个簇，如：

簇内的像素比与其他簇的像素具有更多相似性。

不考虑空间连通性(spatial connectivity)。

不同的簇化策略(grouping strategies)

阈值化(thresholding): 若特征能被认为是一组独立的标量。

聚集集群(agglomerative clustering): 从单独的簇中的每个点开始，在每次迭代中，合并两个“最近”的簇。

分裂集群(Divisive Clustering): 首先将所有的点分组到一个大的簇中。在每次迭代时，拆分“最大”的簇。

阈值