Я пытался научить себя некоторым простым алгоритмам компьютерного зрения и пытаюсь решить проблему, когда у меня есть искаженное изображение с шумом, и все, что я пытаюсь сделать, - это выделить черный фон с переднего плана, который имеет некоторый сигнал , Теперь фоновые RGB-каналы не все полностью равны нулю, поскольку они могут иметь некоторый шум. Тем не менее, человеческий глаз может легко отличить передний план от фона.компьютерное зрение: настройка сегментации. Потенциалы графа вырезания
Итак, я использовал алгоритм SLIC, чтобы разбить изображение на суперпиксельные. Идея состоит в том, что, поскольку изображение повреждено, обработка статистики по патчам может привести к лучшей классификации фона и переднего плана из-за более высокого SNR.
После этого я получаю около 100 патчей, которые должны иметь схожий профиль, и результат SLIC кажется разумным. Я читал о сокращении графа (колмогоровская бумага), и мне показалось, что-то приятно попробовать для двоичной проблемы, которую у меня есть. Итак, я построил график, который является MRF первого порядка, и у меня есть ребра между непосредственными соседями (4-связный граф).
Теперь мне было интересно, какие возможные унарные и двоичные термины я могу использовать здесь для выполнения моей сегментации. Итак, я думал о унарном термине, я могу моделировать его как простой гауссовский, где фон должен иметь нулевую среднюю интенсивность, а передняя часть должна иметь некоторое ненулевое среднее значение. Хотя, я изо всех сил пытаюсь понять, как кодировать это. Должен ли я просто предположить некоторую дисперсию шума и вычислить вероятности непосредственно с использованием статистики патча?
Аналогичным образом, для соседних патчей я хочу поощрять их брать подобную метку, но я не уверен, какой бинарный термин я могу создать, что отражает это. Кажется, разница между меткой (1 или 0) кажется странной ...
Извините за надолго заданный вопрос. Надеясь, кто-то может дать полезный намек на то, как начать.
Хорошим местом для начала будет журнал журнала Юрия Бойкова здесь: http://www.csd.uwo.ca/~yuri/Papers/pami01.pdf –
Вы можете посмотреть на несколько ярлыков [пример] (http : //www.wisdom.weizmann.ac.il/~bagon/matlab_code/example.zip), найденный на моем старом [веб-сайте] (http://www.wisdom.weizmann.ac.il/~bagon/matlab. HTML). – Shai
Большое спасибо Шай! Ваш сайт дает мне много идей, чтобы попробовать. Еще раз спасибо! – Luca