범위 분할
Range segmentation범위 분할은, 각 화소의 깊이 정보를 포함한 화상인 범위 화상을 세그먼트(영역)로 분할(분할)하는 작업입니다.이것에 의해, 같은 표면의 모든 점이 같은 영역에 속해, 다른 영역간에 오버랩 하는 일이 없고, 이러한 영역의 결합이 화상 전체를 생성합니다.
알고리즘적 접근법
범위 분할 문제에는 지역 기반 범위 분할과 에지 기반 범위 분할이라는 두 가지 주요 접근 방식이 있습니다.
지역 기반 범위 분할
지역 기반 범위 분할 알고리즘은 파라메트릭 모델 기반 범위 분할 알고리즘과 지역 성장 알고리즘의 두 가지 주요 그룹으로 더 분류할 수 있습니다.
첫 번째 그룹의 알고리즘은 파라메트릭 표면 모델을 가정하고 데이터 점을 그룹화하여 가정된 파라메트릭 모델(해당 [1]모델의 인스턴스)에서 표면의 점으로 간주할 수 있도록 한다.[2]
영역 성장 알고리즘은 이미지를 초기 영역으로 분할하는 것으로 시작합니다.그런 다음 지역 성장 전략을 사용하여 [3][4]이들 지역을 통합하거나 확장합니다.초기 영역은 반복 또는 무작위 방법을 포함하여 다양한 방법을 사용하여 얻을 수 있습니다.이 그룹의 알고리즘의 단점은 일반적으로 분할이 픽셀 레벨이 아닌 영역 레벨에서 이루어지기 때문에 일반적으로 왜곡된 경계를 만든다는 것입니다.
에지 기반 범위 분할
에지 기반 범위 분할 알고리즘은 점프 경계(연속성)를 사용하여 에지 감지 및 라벨링 에지를 기반으로 합니다.에지 디텍터를 적용하여 범위 영상에서 가장자리를 추출합니다.경계가 추출되면 공통 특성을 가진 모서리가 함께 군집화됩니다.에지 기반 범위 분할 알고리즘의 전형적인 예는 Fan 등에 의해 제시된다.[5]분할 절차는 제로 교차 및 곡면 값을 사용하여 불연속성을 감지하는 것으로 시작합니다.영상은 초기 분할을 얻기 위해 불연속부에서 분할됩니다.다음 단계에서는 최소제곱법에 따라 계수가 계산되는 4분할을 적합시킴으로써 초기 분할을 세분화한다.일반적으로 에지 기반 범위 분할 알고리즘의 단점은 서로 다른 영역 간에 명확하고 잘 정의된 경계를 생성하지만 경계 사이에 간격을 생성하는 경향이 있다는 것이다.또한 곡면의 경우 불연속부가 매끄럽고 찾기 어렵기 때문에 이러한 알고리즘은 범위 이미지를 언더세그먼트하는 경향이 있습니다.범위 영상 분할 문제는 수년간 연구되어 왔지만 곡면의 범위 영상을 분할하는 작업은 아직 만족스럽게 [6]해결되지 않았습니다.
「 」를 참조해 주세요.
레퍼런스
- ^ Bab-Hadiashar, A. 및 N. Gheissari, "표면 선택 기준을 사용한 범위 이미지 분할", IEEE Transactions on Image Processing, 15(7), 2006–2018, 2006. 페이지.
- ^ Jaklicc, A. 및 Leonardis, A. 및 Solina, F. "슈퍼 4진법의 세분화와 회복"컴퓨터 이미지 및 비전 20, Kluwer/Springer, 2000.
- ^ Paugeras, D. 및 Hebert, M., "범위 데이터를 평면 및 2차 패치로 세분화", 컴퓨터 비전과 패턴 인식에 관한 IEEE 회의의 진행, 알링턴, VA, 페이지 8-13, 1983년 6월.
- ^ Medioni, G. 및 Parvin, B., "분할 및 병합에 의한 평면 표면으로의 범위 이미지 세분화", 컴퓨터 비전과 패턴 인식에 관한 IEEE 회의 진행, 페이지 415-417, 1986.
- ^ Fan, U., Medioni, G. 및 Nevatia, R., "표면 설명을 사용한 3-D 객체 인식", IEEE Transactions on Pattern Recognition and Machine Intelligence, vol. 11, 페이지 1140–1157, 1989년 11월.
- ^ Powell, M. W., Bower, K., Jiang, X. 및 Bunke, H. Bunke, "곡면 범위 이미지 세그먼트 비교" 제6회 컴퓨터 비전 국제회의, 인도 봄베이, 페이지 28.6-291, 1998.
외부 링크
- IEEE 컴퓨터 비전 및 패턴 인식 국제 회의 (CVPR)
- 1998년 봄베이, 제6회 컴퓨터 비전 국제회의 (ICCV)
