本文介绍了轮廓检测的多种方法，包括像素基础的Sobel、Canny算子，以及基于边缘和区域的方法。重点讨论了基于像素的方法，特别是大脑启发的特征和自然特征在轮廓检测中的应用。还提到了边缘检测后的轮廓提取和完成，以及闭合原则在处理噪声和碎片化边缘中的挑战。最后，简要提及了基于深度学习的现代方法在轮廓检测领域的进展。
更多论文解读的博客原文第一时间发布于我的github论文合集：
ming71/CV_PaperDailygithub.com和个人博客：
chaserming71.github.io欢迎关注，有想法欢迎一起讨论！私信评论均可。
如有markdown语法知乎显示bug不进行修改维护，请直接移步github和博客即可。文章的维护也只在git和博客进行，知乎文章除有错误外不更新。
论文发布日期：2019.6.29[IJAC]
1. Introduction
轮廓的概念来自人类视觉的直观感受，没有精确的数学定义，根据生成方式和相关定义略有不同。例如下图是四种经典的轮廓分类，一二的光照纹理边界还好理解后面的两种感觉在通用目标检测的范畴中应该不常见，但是实际轮廓检测任务很可能是这几种轮廓的组合。
轮廓检测可以分为三种类型：基于像素、基于边缘、基于区域。 基于像素：根据提取的特征逐像素判断是否属于边界轮廓。 基于边缘：首先边缘检测，然后
最低0.47元/天 解锁文章
扫一扫
2207
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
