30、从图像中提取平面图及树结构网络索引相关研究

从图像中提取平面图及树结构网络索引相关研究

在模式识别和计算机视觉领域，图和树的应用越来越广泛，但也面临着诸多挑战。本文将介绍从图像中提取平面图的方法以及基于结构网络的树和子树索引方法。

从图像中提取平面图

在图像模式识别任务中，使用图的瓶颈问题是提取出合适的图，即图的大小要合理且语义稳定。为此，研究人员提出了一种从图像中提取图的新方法。

该方法的第一步是进行图像分割，但分割后的区域可能存在嵌套关系，且最后构建的图通常是不连通的，这在组合上不太合适，因此使用Delaunay三角剖分来解决连通性问题。具体操作是在嵌入图的每个面中独立进行Delaunay三角剖分，去除不在区域内的三角剖分边，最后合并三角剖分后的面，得到目标平面图G。

实验部分

研究人员使用伯克利分割数据集的公共基准进行实验，该数据集包含300张自然场景的RGB图像，每张图像至少包含一个可识别的对象，且由多人在无特定分割标准的情况下进行了不同程度的分割。
- 图提取过程中的损失
- 分割损失 ：评估了将图像I分割成k个区域的损失loss(I, Ik)，1633个可用分割的平均损失为10.0%。研究发现损失与区域数量无明显相关性，因为分割大多是语义分割，区域描绘的是对象或对象的部分，颜色不一定均匀。
- 兴趣像素数量的影响 ：研究了提取的兴趣像素数量对从分割图像Ik到图Bg(Ik, s)的损失的影响。提取10到500个兴趣像素并构建相应的图，结果表明，提取的图越大，边越能贴近区域边界，损失loss(Ik, Bg(Ik, s))越低，从1