Casa > Notícies > Contingut

Revisió dels algorismes de segmentació de Superpixel

Nov 17, 2017

1. Mètode de segmentació de píxel súper basat en la teoria de gràfics

La segmentació d'imatges basada en la teoria del gràfic és un mètode de segmentació global de dalt a baix, la idea principal és dividir tota la imatge com un gràfic ponderat no dirigit, un gràfic corresponent a cada píxel del node d'imatge, gràfic de relació adjacent, píxels corresponents entre el píxel de vora diferències entre característiques de pesos corresponents o similars al costat, i després en el mapa a partir d'un criteri de segmentació diferent per dividir els nodes del gràfic i, a continuació, completar la segmentació d'imatge.

1.1 Mètode basat en gràfics

1.2 Mètode d'encaix

1.3 Mètode de xarxes superpixel

Per a alguns dels algorismes de segmentació superpíxols actuals, el defecte de la imatge original no conté informació de topologia important, Moorer et al van proposar un algoritme de segmentació no supervisat de xarxes superpíxeles, aquest mètode descriu que un algorisme àgil pot mantenir la topologia de la imatge, tot i que l'augment de Les restriccions d'informació topològiques, però a la velocitat, mantenen l'entrada i la precisió del rendiment de la segmentació de l'algorisme de gelosia Superpixel és una bona imatge del mapa de límits, per buscar la ruta mínima de pes a través de la imatge, al límit de la segmentació d'imatges del gràfic mínim amb dues direccions en la ruta òptima de cerca horitzontal i vertical, contínuament la imatge des de la direcció vertical i horitzontal de dos punts per obtenir la graella convencional de superpíxels.


En gràfic,

(a) la imatge està segmentada d'esquerra a dreta de dalt a baix, i cada ruta es divideix en dues parts, i després es poden obtenir quatre regions i es busca la ruta òptima a la cinta preestablerta;

(b) augmenta la direcció horitzontal i vertical del camí, de manera que la imatge es divideix en nou regions

1.png

Sobre l'estratègia de cerca del camí òptim, Moore et al han adoptat dos esquemes: el mètode de tall mínim i el mètode dinàmic de programació, el primer genera camins topològics arbitraris i aquest no produeix camins de regressió, on el camí òptim necessita satisfer tres condicions:

A) cada ruta vertical i horitzontal es creua només una vegada;

B) els dos camins verticals no creuen;

C) no es creuen dues rutes horitzontals.


Tot i que l'algoritme de xarxes superpíxeles ha aconseguit bons resultats de segmentació, la seva qualitat de segmentació encara depèn del mapa límit de la imatge, i implícitament estableix que la imatge necessita dos mecanismes per dividir-los de forma uniforme: a) La distribució uniforme de bandes d'imatge afecta directament a la distribució uniforme de la camins; b) L'estratègia de la trajectòria de cost mínim facilita la formació de camins relativament rectes i curts a la imatge. Per tant, Moore et al. Es va afegir una informació a priori a l'algoritme basada en l'algoritme el 2009 i va proposar una partició superpíxel basada en l'escena forma priori. El model de densitat de probabilitat s'utilitza per descriure la densitat espacial del límit d'objectes d'imatge. S'adopta un algoritme de sobre-segmentació per fer que la densitat superpíxel sigui aproximadament igual i adaptar-se al límit objectiu local.

  

Posteriorment, Moore et al. Es proposa el mètode de reticulat, és una mena de segmentació no supervisada, que utilitza una elecció d'estratègia òptima alternativa, amb una sola imatge tallada alternativament en l'actualització horitzontal o vertical, superpassa el límit de superpíxols, tenint en compte el límit d'imatge i la regió superpíxel de la consistència del conjunt el procés es pot utilitzar per produir superpíxells de la Fig. descriu la figura 3,


(a) en primer lloc, la imatge es divideix en hiperpíxels de quadrícules separats equitativament, i els píxels en el mateix subpíxel tenen la mateixa etiqueta;


(b) (d) estableixi el model de camp aleatori Markov, actualitzeu el límit de superlatura del píxel de forma contínua alternativament en mètodes horitzontals i verticals, és a dir, canviar l'etiqueta dels píxels relacionats;


(E) (f) s'actualitza de forma vertical o horitzontal. L'etiqueta de píxels determina quina franja horitzontal o vertical pertany al píxel.


El mètode de tall en catxé és superior a l'algoritme computacional de malla de píxels computacional existent i el seu rendiment és comparable a alguns algorismes de segmentació de malla sense restriccions de malla.

2.jpg

1.4 el mètode basat en la taxa d'entropia