对传统方法而言，图像分割至今仍是难题 ·图像分割是计算机视觉技术中首要的、重要的关键步骤，但又面临着诸多十分困难。 •受各类因素（噪声、光照、深度信息丢失等）的影响，准确分割是一个十分困难的问题。 ·至今仍未能提出一种通用(off-the-shelf)的图像分割模型。 Two errors: undersegmentation oversegmentation (water should be (hair should separated from trees) be one group) Iaug3 hou Dianzi乙niversit杭州电子科技大学 School of Computer Science and Technolog)计算学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 对传统方法而言，图像分割至今仍是难题 •图像分割是计算机视觉技术中首要的、重要的关键步骤，但又面临着诸多十分困难。 •受各类因素（噪声、光照、深度信息丢失等）的影响，准确分割是一个十分困难的问题。 •至今仍未能提出一种通用（off-the-shelf ）的图像分割模型。 oversegmentation (hair should be one group) undersegmentation (water should be separated from trees) Two errors：
图像分割至今仍是难题 •图像分割的目标定义也往往是模糊的 "What,for example,is an object,and what makes it so special that it should be recoverable as a region in an image? Is a nose an object?Is a head one?..." -D.Mar,1982 ..[Automatic]object segmentation for broad domains of general images is not likely to succeed,with a possible exception for sophisticated techniques in very narrow domains." --Smeulders et al,2000 "automatic strong segmentation is hard to achieve,...,the brittleness of strong segmentation is a mostly unsurpassable obstacle when describing the content of images by describing the content of its object." --Jain et al,2000 Haug3 hou Dianzi乙niversity杭州电子科技大学 School of Computer Science and Tecfnology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 图像分割至今仍是难题 •图像分割的目标定义也往往是模糊的 “What, for example, is an object, and what makes it so special that it should be recoverable as a region in an image? Is a nose an object? Is a head one? …” -- D. Marr, 1982 “ ... [Automatic] object segmentation for broad domains of general images is not likely to succeed, with a possible exception for sophisticated techniques in very narrow domains.” --Smeulders et al, 2000 “automatic strong segmentation is hard to achieve, ..., the brittleness of strong segmentation is a mostly unsurpassable obstacle when describing the content of images by describing the content of its object.” -- Jain et al, 2000
图像分割的方法 ·图像分割通常基于亮度、颜色、纹理、深度或运动。 基于边缘的分割方法： •先提取区域边界，再确定边界限定的区域： •基于区域的分割方法： •确定每个像素的归属区域，从而完成分割 Iaug3 hou Dianzi乙niversity杭州电子科技大学 School of Computer Science and Tecfology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 图像分割的方法 •图像分割通常基于亮度、颜色、纹理、深度或运动。 •基于边缘的分割方法： •先提取区域边界，再确定边界限定的区域； •基于区域的分割方法： •确定每个像素的归属区域，从而完成分割
图像分割的方法 ·图像分割方法分类： a)自动分割算法 -聚类方法：目标应具有相似的亮度、颜色、纹理等 -基于边缘的方法：目标轮廓等 -区域融合和区域增长：目标区域应具有连续性和相邻性等 -混合优化方法 b)交互式图像分割算法 -“Snake'”或“主动轮廓法”：指导轮廓收缩的方向 -“魔棒”或“魔笔”：提供背景或前景目标的样本信息 Haug3 hou Dianzi乙)niversity抗州电子科技大学 School of Computer Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 图像分割的方法 •图像分割方法分类： a）自动分割算法 –聚类方法 –基于边缘的方法 –区域融合和区域增长 –混合优化方法 b）交互式图像分割算法 – “Snake” 或 “主动轮廓法” – “魔棒” 或 “魔笔” ：目标应具有相似的亮度、颜色、纹理等 ：目标轮廓等 ：目标区域应具有连续性和相邻性等 ：指导轮廓收缩的方向 ：提供背景或前景目标的样本信息
基于聚类的图像分割方法 D.Comaniciu and P.Meer,Mean Shift:A Robust Approach toward Feature Space Analysis.IEEE Transactions On Pattern Analysis And Machine Intelligence,2002.24:p.603-619. ·目标应具有相似的亮度、颜色、纹理等 The mean shift algorithm seeks modes or local maxima of density in the feature space Feature space Image space (L*u*v*color values) Iaug3 hou Dianzi University杭州电子科技大学 School of Computer Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 基于聚类的图像分割方法 •目标应具有相似的亮度、颜色、纹理等 D. Comaniciu and P. Meer, Mean Shift: A Robust Approach toward Feature Space Analysis. IEEE Transactions On Pattern Analysis And Machine Intelligence, 2002. 24: p. 603-619. Feature space (L*u*v* color values) Image space The mean shift algorithm seeks modes or local maxima of density in the feature space