文章目錄
- 第8章 圖像分割
- 圖像分割定義
- 閾值分割
- 依賴像素的閾值選取
- Otsu's方法
- 依賴區域的閾值選取
- 依賴坐標的閾值選取
- 變化閾值法
- 區域生長法
- 分裂合并方法
- 分水嶺算法
- 聚類分割算法
- K-means
- AP算法
- Graph cut
- 第9章 圖像特征表達
- 基于全局特征的圖像表達
- 直方圖
- GIST
- 基于局部特征的圖像表達
- 簡單的局部視覺特征
- 局部二值模式(LBP)
- 梯度方向直方圖(HOG)
- 基于關鍵點檢測的局部視覺特征
- 局部視覺特征描述
- 局部關鍵點檢測
- 角點檢測
- 塊檢測-拉普拉斯高斯監測子
- 塊檢測-高斯差分檢測子
- 局部區域描述
- MSER檢測子
- 局部區域描述
- SIFT
- 特征編碼與聚合
- BOW
- VLAD
- 乘積量化原理
- 第10章 圖像識別
- 簡單形狀檢測
- 霍夫變換
- 直線檢測
- 直線檢測的改進形式
- 其他形狀檢測
- 倒角距離變換
- 圖像分類(空間金字塔匹配)
- 圖像檢索
- 倒排索引
- 空間驗證
- RANSAC
- 空間編碼
- 二值哈希
- 漢明距離
- 哈希算法
- 局部敏感哈希
- 迭代量化
- 球面哈希
第8章 圖像分割
圖像分割定義
閾值分割
單峰測度指的是特征擊中, 背景或內容一致性強.
依賴像素的閾值選取
可以證明, 當對象的分布近似為正態分布時, 閾值選取在直方圖的谷底, 分割誤差最小.
Otsu’s方法
依賴區域的閾值選取
依賴坐標的閾值選取
變化閾值法
區域生長法
分裂合并方法
分水嶺算法
兩個集合, 一個是以谷底為中心的鄰域集合, 一個是以梯度閾值為準則的集合.
分水嶺算法存在的問題: 過分割. 分水嶺算法依賴局部極小值的種子點.
標記: 在分水嶺算法之前對感興趣的對象和背景進行標記(種子點選擇), 以確保分割過程可以從正確的位置開始.
聚類分割算法
K-means
AP算法
Graph cut
普通頂點是圖中的像素. 邊是相鄰頂點的連接. 2個特殊頂點: 源點, 前景; 匯點, 背景. 虛邊.
