Startseite > Nachrichten > Inhalt

Kontaktiere uns

Hinzufügen: Block 5, Fuqiang Technology Park, Zhugushi Straße, Wulian, Longgang 518116

Mob: + 86-13510459036

E-Mail: info@panadisplay.com

Überprüfung auf Superpixel-Segmentierungsalgorithmen
Nov 17, 2017

1. Super-Pixel-Segmentierungsmethode basierend auf der Graphentheorie

Die auf der Graphentheorie basierende Bildsegmentierung ist eine globale Top-Down-Segmentierungsmethode, die Hauptidee besteht darin, das gesamte Bild als gewichteten ungerichteten Graphen, einen jedem Pixel im Bildknoten entsprechenden Graphen, benachbarten Graphen entsprechenden Pixeln zwischen den Kantenpixeln zu unterteilen Unterschiede zwischen Merkmalen von entsprechenden oder ähnlichen Gewichtungen auf der Seite und dann in der Karte auf der Grundlage verschiedener Segmentierungskriterien, um die Knoten in dem Graph zu teilen, und vervollständigen dann die Bildsegmentierung.

1.1 Graphbasierte Methode

1.2 Ncut-Methode

1.3 Superpixel-Gitter-Methode

Für einige der aktuellen Super-Pixel-Segmentierung Algorithmus fehlt der Fehler des ursprünglichen Bildes wichtige Topologie-Informationen, Moorer et al vorgeschlagen, ein Superpixel-Gitter unüberwacht Segmentierungsalgorithmus diese Methode beschreibt einen Greedy-Algorithmus kann die Topologie des Bildes zu halten, obwohl die Zunahme von topologische Informationen Beschränkungen, aber es ist in Geschwindigkeit halten Sie die Eingabe und Genauigkeit der Segmentierung Leistung der Superpixel-Gitter-Algorithmus ist ein gutes Bild der Grenzkarte, um den Mindestgewichtsweg durch das Bild zu finden, an der Grenze der minimalen Kosten Grafik Bildsegmentierung mit zwei Richtungen in der horizontalen und vertikalen Suche optimaler Pfad, kontinuierlich das Bild aus der vertikalen und horizontalen Richtung von zwei Punkten, um das herkömmliche Super-Pixel-Raster zu erhalten.


In der Grafik,

(a) das Bild wird von links nach rechts von oben nach unten segmentiert, und jeder Pfad wird in zwei Teile geteilt, und dann können vier Bereiche erhalten werden, und der optimale Pfad wird in dem voreingestellten Streifen gesucht;

(b) erhöht die horizontale und vertikale Richtung des Pfades, so dass das Bild in neun Bereiche unterteilt wird

1.png

Auf der Strategie des Suchens nach dem optimalen Pfad haben Moore und andere zwei Schemata übernommen: - Minimal-Cut-Methode und dynamische Programmiermethode, ersterer erzeugt beliebige topologische Pfade, und letzterer erzeugt keine Regressionspfade, an denen der optimale Pfad genügen muss drei Bedingungen:

A) jeder vertikale und horizontale Weg wird nur einmal überquert;

B) zwei beliebige vertikale Wege kreuzen sich nicht;

C) zwei horizontale Wege sind nicht gekreuzt.


Obwohl der Superpixel - Gitteralgorithmus gute Segmentierungsergebnisse erzielt hat, hängt seine Segmentierungsqualität immer noch von der Bildgrenzenkarte ab und legt implizit fest, dass das Bild zwei Mechanismen zur gleichmäßigen Aufteilung benötigt: a) Die gleichmäßige Verteilung der Bildbanden wirkt sich direkt auf die Gleichverteilung aus Pfade; b) Die Least-Cost-Pfad-Strategie erleichtert die Bildung von relativ geraden und kurzen Pfaden auf dem Bild. Moore et al. Dem Algorithmus 2009 wurden A-priori-Informationen hinzugefügt, und eine Superpixel-Partition basierend auf der Szenenform priori vorgeschlagen. Das Wahrscheinlichkeitsdichte-Modell wird verwendet, um die räumliche Dichte der Bildobjektgrenze zu beschreiben. Ein Übersegmentierungsalgorithmus wird verwendet, um die Superpixeldichte ungefähr gleich zu machen und sich an die lokale Zielgrenze anzupassen.

  

Anschließend haben Moore et al. Vorgeschlagen wird die Gitterschnittmethode, eine Art unüberwachte Segmentierung unter Verwendung einer alternativen optimalen Strategiewahl, wobei ein einzelnes Bild abwechselnd in horizontaler oder vertikaler Richtung die Superpixelgrenze aktualisiert, unter Berücksichtigung der Bildgrenze und Superpixelregion der Konsistenz des Ganzen Prozess kann verwendet werden, um Super-Pixel aus Abb. zu erzeugen beschreibt die Figur 3,


(a) Erstens wird das Bild in gleichmßig beabstandete Gitterhyperpixel aufgeteilt, und die Pixel in dem gleichen Subpixel haben die gleiche Markierung;


(b) (d) ein Markov-Zufallsfeldmodell zu erstellen, die Übergittergrenze des Pixels kontinuierlich abwechselnd in horizontalen und vertikalen Verfahren zu aktualisieren, das heißt die Beschriftung der zugehörigen Pixel zu ändern;


(E) (f) wird vertikal oder horizontal aktualisiert. Das Pixel-Tag bestimmt, zu welchem vertikalen oder horizontalen Streifen das Pixel gehört.


Die Latticecut-Methode ist dem vorhandenen Hyperpixelmesh-Algorithmus überlegen und ihre Leistung ist vergleichbar mit einigen Mesh-Segmentierungsalgorithmen ohne Mesh-Einschränkungen.

2.jpg

1.4 Die Methode basiert auf der Entropierate