26、图像分割与可变形物体识别方法详解

图像分割与可变形物体识别方法详解

在图像分割和可变形物体识别领域，有许多有效的方法和技术。下面将详细介绍引导式信息图像分割以及基于不同抽象层次视觉字母表的可变形物体识别方法。

引导式信息图像分割

引导式信息图像分割主要包括数据项学习、逆边到节点转换、层次聚类等步骤，以下是具体内容：
- 使用支持向量机学习数据项
- 对于初始图中的边 (V^{ }_{i})，连接的两个顶点的视觉特征向量分别为 (c^{ } {ia}) 和 (c^{ }_{ib})，问题是仅基于这两个向量估计 (V^{ } {i}) 被标记为 0 或 1 的可能性。
- 用户标记一些超像素对是否合并，将每对超像素 (c^{ }_{ia}) 和 (c^{ } {ib}) 堆叠成一个长向量 (c^{ }_{i})，得到训练集 ({c^{ } {1}, \alpha_{1}}, {c^{ } {2}, \alpha {2}}, \cdots, {c^{ } {m}, \alpha {m}})，其中 (\alpha_{i}) 为标签（0 或 1）。
- 由于超像素对合并与顺序无关，为每个 (c^{ }_{i}) 生成一个“影子”训练向量，交换 (c^{ } {ia}) 和 (c^{ }_{ib}) 的顺序但标签不变，这样就有 2m 个训练样本用于支持向量机（SVM）训练。
- 使用高斯径向基函数（RBF）核的 SVM 分