我一直在试图教自己一些简单的计算机视觉算法,并试图解决一些问题,我有一些噪声损坏的图像,我试图做的是将黑色背景从具有某种信号的前景中分离出来。现在,背景RGB通道不完全是零,因为它们可能会有一些噪音。但是,人眼很容易从背景中辨别出前景。计算机视觉:分割设置。图形切割电位
因此,我所做的是使用SLIC算法将图像分解为超像素。这个想法是因为图像被噪声破坏,所以对补丁进行统计可能会导致更好的背景和前景分类,因为SNR更高。
在此之后,我得到了大约100个应该具有相似配置文件的补丁,并且SLIC的结果似乎是合理的。我一直在阅读有关图形切割(Kolmogorov论文)的文章,并且对于我所遇到的二元问题,似乎是一件很好的尝试。所以,我构造了一个图形,它是一阶MRF,并且在直接邻居之间有边(4连通图)。
现在,我想知道我可以在这里使用哪些一元和二元词汇来进行分割。所以,我在考虑单项术语,我可以将它建模为一个简单的高斯模型,背景应该具有零平均强度,并且前景应该具有一些非零平均值。虽然,我正在努力弄清楚如何编码这个。我应该只是假设一些噪声方差并直接使用补丁统计来计算概率?
同样,对于邻近碎片我也想鼓励他们采取类似的标签,但我不知道什么二进制学期我可以设计一个反映。似乎只需将标签(1或0)似乎不可思议的区别...
对不起,啰嗦的问题。希望有人能够提供一些有用的启示。
一个很好的起点是Yuri Boykov在这里的期刊论文:http://www.csd.uwo.ca/~yuri/Papers/pami01.pdf – 2014-10-09 10:23:28
你可以看看多标签[例子](http ://www.wisdom.weizmann.ac.il/~bagon/matlab_code/example.zip)在我的旧[网站](http://www.wisdom.weizmann.ac.il/~bagon/matlab。 HTML)。 – Shai 2014-10-13 06:32:48
非常感谢Shai!你的网站给了我很多想法尝试。再次感谢! – Luca 2014-10-13 15:39:39