交互式图像分割简介(2001-2010),徐辉 20140909,基本概念,图像分割 全自动的图像分割是一件非常困难的任务。 交互技术 根据用户交互的 信息，对图像中的每 一个像素点，判断其 属于前景F，还是背景B？ 图像像素点二分类 F ，B ,基本概念,图像分割 全自动的图像分割是一件非常困难的任务。 交互技术 前景 F,基本概念,图像分割 全自动的图像分割是一件非常困难的任务。 交互技术 前景 F 背景 B,基本概念,图像分割 全自动的图像分割是一件非常困难的任务。 交互技术 前景 F G= 背景 B 图模型 G 无向赋权图 图像处理的一种基本方式,v,v,v,v,v,v,v,v,v,e,e,基本概念,图像分割 全自动的图像分割是一件非常困难的任务。 交互技术 前景 F 背景 B 图模型 G 颜色模型 Color Model 怎样描述和表示用户交互点的颜色信息？ 怎样推断用户感兴趣物体的颜色分布？ 充分利用用户交互信息，为后面处理提供基础。 高斯混合模型（Gauss Mixture Model） K-Means,3种基本处理方法,Graph Cut 目前最主要的方法，大部分的方法由此扩展。 Shortest Path Random Walks,Shortest Path,A geodesic framework for fast interactive image and video segmentation and matting ICCV 2007 表示用户交互的前景点或背景点 表示图像中的任一像素点。 表示连接s1和s2的路径 是融入交互信息的权重,Random Walks,Multi-Label Image Segmentation for Medical Applications Based on Graph-Theoretic Electrical Potentials ECCV 2004 Random Walks for Image Segmentation PAMI 2006 一维随机游走的基本概念 质点每次以一定概率游走一个单位长度. 吸收壁 0点 N点 设p(x)是从x点出发到达N点的概率，显然 p(0)=0, p(N)=1 其他点处的求解问题，转化为线性方程组求解。,1/3 2/3,Random Walks,图模型 边权重 游走概率 每一个节点第一次 到达L1节点的概率 L2节点每一个节点第一次 到达L3节点的概率,Graph Cut,最大流最小割算法,添加源节点S，汇节点T，区域项转化为S或T到每一个像素点的权重，边缘项转化为像素点之间的权重,直接扩展：LazySnapping (SIGGRAPH 2004),分水岭预处理，以区域为单位建立图 推断颜色模型(离散表示，k-means) 是前景交互点的聚类中心 是背景交互点的聚类中心,Shape Constraint(形状约束),Star shape prior for graph-cut image segmentation ECCV 2008 是所有以c为中心的星形的集合 y 是任一形状区域。,Shape Constraint(形状约束),怎样求解带形状约束的能量函数？ What energy function can be minimized via graph cuts? PAMI 2004,Geodesic Star Shape,Geodesic Star Convexity for Interactive Image Segmentation CVPR 2010 Single star to Multiple Stars Euclidean distance to Geodesic,Combination（组合）,Geodesic and Graph Cut Geodesic Graph Cut for Interactive Image Segmentation ICCV 2010 Graph Cut：ShortCut Geodesic ：缺乏边缘信息,Expansion(扩展),Color Model Multilabel random walker image segmentation using prior models CVPR 2005 random walker算法没有融入颜色模型 Random Walks and Graph Cut A Seeded Image Segmentation Framework Unifying Graph Cuts And Random Walker Which Yields A New Algorithm ICCV 2007 一个统一的框架,评价标准,Overlap Score：,Y,Ygt,