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FG=背景B图模型G无向赋权图图像处理的一种基本方式vvvvvvvvvee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ColorModel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（GaussMixtureModel）K-Means3种基本处理方法•GraphCut目前最主要的方法，大部分的方法由此扩展。•ShortestPath•RandomWalksShortestPath•AgeodesicframeworkforfastinteractiveimageandvideosegmentationandmattingICCV2007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RandomWalks•Multi-LabelImageSegmentationforMedicalApplicationsBasedonGraph-TheoreticElectricalPotentialsECCV2004•RandomWalksforImageSegmentationPAMI2006一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。1/32/3RandomWalks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GraphCut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(SIGGRAPH2004)•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ShapeConstraint(形状约束)Starshapepriorforgraph-cutimagesegmentationECCV2008是所有以c为中心的星形的集合y是任一形状区域。ShapeConstraint(形状约束)•怎样求解带形状约束的能量函数？•Whatenergyfunctioncanbeminimizedviagraphcuts?PAMI2004GeodesicStarShape•GeodesicStarConvexityforInteractiveImageSegmentationCVPR20101.SinglestartoMultipleStars2.EuclideandistancetoGeodesicCombination（组合）•GeodesicandGraphCutGeodesicGraphCutforInteractiveImageSegmentationICCV2010GraphCut：ShortCutGeodesic：缺乏边缘信息Expansion(扩展)•ColorModel•MultilabelrandomwalkerimagesegmentationusingpriormodelsCVPR2005randomwalker算法没有融入颜色模型•RandomWalksandGraphCut•ASeededImageSegmentationFrameworkUnifyingGraphCutsAndRandomWalkerWhichYieldsANewAlgorithmICCV2007一个统一的框架评价标准•OverlapScore：YYgt
