最佳分割算法[关闭]

Posted 2023-02-25

【中文标题】最佳分割算法[关闭]

【英文标题】：best Segmentation algorithm [closed]

【发布时间】：2011-06-29 20:54:37

【问题描述】：

我正在尝试开发一个系统，该系统可以根据纹理、形状和颜色等原始特征识别图像中存在的各种对象。

此过程的第一阶段是从图像中提取单个对象，然后对每个对象进行逐个处理。

然而，我目前研究的分割算法甚至不是近乎完美或所谓的理想图像分割算法。

分割准确性将决定系统对给定查询的响应程度。

分割应该既快速又准确。

谁能建议我到目前为止开发或实现的任何分割算法，实现起来不会太复杂，但足以完成我的项目..

感谢任何帮助..

【问题讨论】：

抱歉，您要找的东西还没有被发明出来。

【参考方案1】：

一个很晚的答案，但可能有助于有人在谷歌搜索这个，因为这个问题作为“最佳分割算法”的第一个结果弹出。

全卷积网络似乎完全可以满足您的要求。查看arXiv 中的论文，以及MatConvNet 中的实现。

下图展示了这些 CNN 的分割示例（我链接的论文实际上提出了 3 种不同的架构，FCN-8 是最好的）。

【参考方案2】：

不幸的是，面部识别的最佳算法类型使用小波重建。这并不容易，而且目前使用的几乎所有算法都是专有的。 这是一个较晚的响应，所以可能对您没有用，但一个建议是使用分水岭算法。 事先，您可以使用一张脸的通用绘图（黑白），生成绘图的 FFT --- 称之为 *FFT_Face*。 现在使用分水岭算法分割你的人脸图像。调用分割图像*Water_face*。 现在找到每个轮廓/段的质心。 生成 *Water_Face* 的 FFT，并将其与 *FFT_Face 图像* 相关联。结果图像中最亮的像素应该是脸部的中心。现在您可以计算该点与之前生成的线段中心之间的距离。前几个距离应该足以区分一个人和另一个人。

我确信这个过程有几处改进，但总体思路应该能让你达到目标。

【参考方案3】：

你可以试试分水岭分割算法 您也可以通过定性测量来计算分割算法的准确性

【参考方案4】：

谷歌搜索发现了这篇论文：http://www.cse.iitb.ac.in/~sharat/papers/prim.pdf

似乎让它变得更好是一个困难的问题，所以我认为你可能不得不接受那里的东西。

【讨论】：

当我们接手这个项目时，我们向我们的导游承诺，我们将能够根据图像中的人脸检测不同的人。我们认为会有一个算法。但我非常同意托尼和尼基的观点。我想可能是我没有做适当的研究。所以，我在这里发布了这个问题，以便我可以从有很多经验的更好的人那里得到更好的建议。

@Mew 3.4：你想要一个分割算法还是你想要一个人脸/人检测器？有相对简单、快速和可靠的人脸检测器（谷歌用于 Viola&Jones）和人检测器（谷歌定向梯度直方图）。无需细分。

@nikie：我已经完成了这些算法。它们非常准确。但我实际上正在寻找一种通用的东西，它可以帮助我进行所有通用物体的检测，比如树木、石头、旗帜、头部等。或者更接近它的东西......

@MaheshGupta 可靠的通用分割非常困难，大自然通过学习观察来伪造它......直到你不知道你在看什么很难区分形状、边界等......因此，如果大自然没有想出简单而通用的东西，那么通过算法实现这一目标的希望并不大，而是将相似的对象分组并为每个组使用可靠的方法......然后尝试用所有方法进行分割并选择最好的。 ..这至少是我的意见