컴퓨터 비전 : 세분화 설정. 그래프 컷 잠재력

Question

나는 간단한 컴퓨터 비전 알고리즘을 가르치려고 노력해 왔으며 일부 노이즈가있는 이미지를 가지고 있으며 어떤 신호가있는 전경에서 검은 색 배경을 분리하려고 노력하고있다. . 이제 백그라운드 RGB 채널은 약간의 노이즈가있을 수 있기 때문에 완전히 0이 아닙니다. 그러나 인간의 눈은 배경에서 전경을 쉽게 식별 할 수 있습니다.

그래서, 내가 한 것은 SLIC 알고리즘을 사용하여 이미지를 슈퍼 픽셀로 분해하는 것입니다. 이미지가 노이즈로 손상 되었기 때문에 패치에 대한 통계를 작성하면 SNR이 높아 배경 및 전경을 더 잘 분류 할 수 있습니다.

그런 다음 비슷한 프로필을 가져야하는 약 100 개의 패치가 나옵니다. SLIC의 결과는 합리적인 것처럼 보입니다. 나는 그래프 컷 (Kolmogorov paper)에 대해 읽었으며, 내가 갖고있는 바이너리 문제를 시도해보기에 좋았다. 그래서, 나는 1 차 MRF 인 그래프를 만들었고 바로 인접한 사람들 사이에 가장자리가 있습니다 (4 연결 그래프).

이제 세분화를 위해 여기에서 사용할 수있는 단항 및 이진 조건이 가능한지 궁금합니다. 그래서, 단항 항을 생각하고 있었고, 배경이 평균 강도가 0이고 포 그라운드가 비 - 제로 평균을 가져야하는 간단한 가우스로 모델링 할 수 있습니다. 비록, 이것을 인코딩하는 방법을 알아 내려고 애 쓰고 있습니다. 방금 패치 통계를 사용하여 잡음 분산 및 확률 계산을 가정해야합니까?

유사하게, 인접 패치의 경우 유사한 라벨을 사용하도록 권장하고 싶지만이를 반영 할 수있는 바이너리 용어를 잘 모르겠습니다. 라벨 (1 또는 0)의 차이가 이상하게 보입니다.

오래간만의 질문을 기다려 주셔서 대단히 감사합니다. 누군가를 바라는 것은 시작하는 방법에 대한 유용한 힌트를 줄 수 있습니다.

Answer 1

CRF 모델을 슈퍼 픽셀 위에 만들면 슈퍼 픽셀이 인접한 다른 슈퍼 픽셀과 연결됩니다.

통계 모델의 경우 Pixel Wise Posteriors은 간단하고 저렴한 계산이 가능합니다.

그래서, 나는이 (가) CRF의 단항 용어 다음과 같은 제안 : 픽셀 당 질감을 통해

1. 빌드 전경과 배경 히스토그램을 (당신이 마스크 또는 표시 전경 픽셀의 합리적인 금액 (주이 가정 슈퍼 픽셀이 아님).
2. 각 슈퍼 픽셀에 대해 슈퍼 픽셀에서 전경 또는 배경이 될 가능성이있는 슈퍼 픽셀이 슈퍼 픽셀의 각 관찰에 대한 곱 (실제로는 로그를 합산 함)과 같이 독립 픽셀을 가정합니다. 개별 우도 조건은 사용자가 생성 한 히스토그램으로부터옵니다.
3. 전경에 대해 위에서 설명한 누적 확률을 누적 확률의 합으로 나눈 값으로 전경에 대한 후부 값을 계산합니다. 배경에 비슷합니다. 슈퍼 픽셀 사이

페어 와이즈 용어는 예 Radial Basis Function 같은 커널 통과 각각에 대한 평균 관찰 텍스처 (pixelwise) 사이의 차이만큼 간단 할 수있다.

또는 텍스처를 관찰 한 각 슈퍼 픽셀 (다시 말하지만 픽셀 단위)에 대해 히스토그램을 계산하고 슈퍼 픽셀 인접한 각 쌍 사이에 Bhattacharyya Distance을 계산할 수 있습니다.