文章目录
- 第8章 图像分割
-
- 图像分割定义
- 阈值分割
-
- 依赖像素的阈值选取
-
- Otsu's方法
- 依赖区域的阈值选取
- 依赖坐标的阈值选取
-
- 变化阈值法
- 区域生长法
-
- 分裂合并方法
- 分水岭算法
- 聚类分割算法
-
- K-means
- AP算法
- Graph cut
- 第9章 图像特征表达
-
- 基于全局特征的图像表达
-
- 直方图
- GIST
- 基于局部特征的图像表达
-
- 简单的局部视觉特征
-
- 局部二值模式(LBP)
- 梯度方向直方图(HOG)
- 基于关键点检测的局部视觉特征
-
- 局部视觉特征描述
-
- 局部关键点检测
-
- 角点检测
- 块检测-拉普拉斯高斯监测子
- 块检测-高斯差分检测子
- 局部区域描述
- MSER检测子
- 局部区域描述
-
- SIFT
- 特征编码与聚合
-
- BOW
- VLAD
- 乘积量化原理
- 第10章 图像识别
-
- 简单形状检测
-
- 霍夫变换
-
- 直线检测
- 直线检测的改进形式
- 其他形状检测
- 倒角距离变换
- 图像分类(空间金字塔匹配)
- 图像检索
-
- 倒排索引
- 空间验证
-
- RANSAC
- 空间编码
- 二值哈希
-
- 汉明距离
- 哈希算法
-
- 局部敏感哈希
- 迭代量化
- 球面哈希
第8章 图像分割
图像分割定义
阈值分割
单峰测度指的是特征击中, 背景或内容一致性强.
依赖像素的阈值选取
可以证明, 当对象的分布近似为正态分布时, 阈值选取在直方图的谷底, 分割误差最小.
Otsu’s方法
依赖区域的阈值选取
依赖坐标的阈值选取
变化阈值法
区域生长法
分裂合并方法
分水岭算法
两个集合, 一个是以谷底为中心的邻域集合, 一个是以梯度阈值为准则的集合.
分水岭算法存在的问题: 过分割. 分水岭算法依赖局部极小值的种子点.
标记: 在分水岭算法之前对感兴趣的对象和背景进行标记(种子点选择), 以确保分割过程可以从正确的位置开始.
聚类分割算法
K-means
AP算法
Graph cut
普通顶点是图中的像素. 边是相邻顶点的连接. 2个特殊顶点: 源点, 前景; 汇点, 背景. 虚边.
