Сегментация диапазона

Сегментация диапазона — это задача сегментации (разделения) изображения диапазона , изображения, содержащего информацию о глубине для каждого пикселя, на сегменты (области), чтобы все точки одной и той же поверхности принадлежали одной и той же области, не было перекрытия между различными регионов и объединение этих регионов порождает целостное изображение .

Алгоритмические подходы

Существовало два основных подхода к проблеме сегментации диапазона: сегментация диапазона на основе региона и сегментация диапазона на основе границ .

Сегментация диапазона по регионам

Алгоритмы сегментации диапазона на основе регионов можно разделить на две основные группы: алгоритмы сегментации диапазона на основе параметрической модели и алгоритмы увеличения региона .

Алгоритмы первой группы основаны на предположении о параметрической модели поверхности и группировке точек данных так, чтобы все их можно было рассматривать как точки поверхности из предполагаемой параметрической модели (экземпляра этой модели). ^[1]^[2]

Алгоритмы роста регионов начинаются с сегментации изображения на начальные регионы. Затем эти регионы объединяются или расширяются с помощью стратегии роста региона. ^[3]^[4] Начальные регионы могут быть получены различными методами, в том числе итеративными или случайными. Недостатком алгоритмов этой группы является то, что они в целом создают искаженные границы, поскольку сегментация обычно осуществляется на уровне региона, а не на уровне пикселей.

Сегментация диапазона по краям

Алгоритмы сегментации диапазона на основе ребер основаны на обнаружении ребер и маркировке ребер с использованием границ перехода (разрывов). Они применяют детектор краев для извлечения краев из изображения диапазона. После выделения границ ребра с общими свойствами группируются вместе. Типичный пример алгоритмов сегментации диапазона на основе границ представлен Fan et al. ^[5] Процедура сегментации начинается с обнаружения разрывов с использованием значений пересечения нуля и кривизны. Изображение сегментируется по разрывам для получения начальной сегментации. На следующем этапе исходная сегментация уточняется путем подгонки квадратичных дробей, коэффициенты которых рассчитываются на основе метода наименьших квадратов . В целом, недостатком алгоритмов сегментации диапазона на основе границ является то, что, хотя они создают четкие и четко определенные границы между различными областями, они имеют тенденцию создавать пробелы между границами. Кроме того, для искривленных поверхностей разрывы гладкие и их трудно обнаружить, поэтому эти алгоритмы имеют тенденцию к недостаточной сегментации изображения диапазона. Хотя проблема сегментации изображений по дальности изучается уже несколько лет, задача сегментации изображений по дальности криволинейных поверхностей еще не решена удовлетворительно. ^[6]

См. также

Ссылки

^ Баб-Хадиашар А. и Гейссари Н., «Сегментация изображения по диапазону с использованием критерия выбора поверхности» , Транзакции IEEE по обработке изображений, 15 (7), стр. 2006–2018, 2006.
^ Яклич А., Леонардис А. и Солина Ф. «Сегментация и восстановление суперквадриков» . Вычислительная визуализация и зрение 20, Kluwer/Springer, 2000.
^ Фожерас, О.Д. и Хеберт, М., «Сегментация данных диапазона на плоские и квадратичные участки», Труды конференции IEEE по компьютерному зрению и распознаванию образов, Арлингтон, Вирджиния, стр. 8–13, июнь 1983 г.
^ Медиони, Г. и Парвин, Б., «Сегментация изображений диапазона на плоские поверхности путем разделения и слияния» , Труды конференции IEEE по компьютерному зрению и распознаванию образов, стр. 415–417, 1986.
^ Фан, Ту, Медиони, Г., и Неватиа, Р., «Распознавание трехмерных объектов с использованием описаний поверхности» , Транзакции IEEE по распознаванию образов и машинному интеллекту, том. 11, стр. 1140–1157, ноябрь 1989 г.
^ Пауэлл М.В., Бауэр К., Цзян Х. и Бунке Х., «Сравнение сегментаторов изображений с криволинейной поверхностью», Материалы 6-й Международной конференции по компьютерному зрению (ICCV), Бомбей, Индия, стр. 286– 291, 1998.

Внешние ссылки

[1] Баб-Хадиашар А. и Гейссари Н., «Сегментация изображения по диапазону с использованием критерия выбора поверхности» , Транзакции IEEE по обработке изображений, 15 (7), стр. 2006–2018, 2006.

[2] Яклич А., Леонардис А. и Солина Ф. «Сегментация и восстановление суперквадриков» . Вычислительная визуализация и зрение 20, Kluwer/Springer, 2000.

[3] Фожерас, О.Д. и Хеберт, М., «Сегментация данных диапазона на плоские и квадратичные участки», Труды конференции IEEE по компьютерному зрению и распознаванию образов, Арлингтон, Вирджиния, стр. 8–13, июнь 1983 г.

[4] Медиони, Г. и Парвин, Б., «Сегментация изображений диапазона на плоские поверхности путем разделения и слияния» , Труды конференции IEEE по компьютерному зрению и распознаванию образов, стр. 415–417, 1986.

[5] Фан, Ту, Медиони, Г., и Неватиа, Р., «Распознавание трехмерных объектов с использованием описаний поверхности» , Транзакции IEEE по распознаванию образов и машинному интеллекту, том. 11, стр. 1140–1157, ноябрь 1989 г.

[6] Пауэлл М.В., Бауэр К., Цзян Х. и Бунке Х., «Сравнение сегментаторов изображений с криволинейной поверхностью», Материалы 6-й Международной конференции по компьютерному зрению (ICCV), Бомбей, Индия, стр. 286– 291, 1998.

[1]

[2]

[3]

[4]

[5]

[6]