Image Contour and Junction Detection

最新推荐文章于 2021-06-23 01:36:43 发布

翻译最新推荐文章于 2021-06-23 01:36:43 发布 · 1.2k 阅读

文章标签：

#image #statistics #application #database #工作 #fp

图像处理同时被 2 个专栏收录

3 篇文章

订阅专栏

文献归纳

2 篇文章

订阅专栏

本文探讨了视觉感知组织的概念及其在目标识别中的应用，包括线结构传达的主要信息、边缘检测方法的发展历史以及如何利用曲线连续性进行边缘连接检测。自80年代起，研究者开始将感知组织作为目标识别的前期工作，采用Berkeley Vision Group的方法，通过亮度、颜色和纹理学习局部边界特征，从全局角度捕捉闭合和连续性，并检测和定位接点。该文还介绍了Berkeley Segmentation Dataset（BSDS）和用于评价边缘检测算法的精度-召回曲线、F-measure等指标。

Perceptual Organization:

“…the processes by which the bits and pieces of visual information that are available in the retinal image are structured into the larger units of perceived objects and their interrelations”（Stephen E. Palmer, Vision Science , 1999）

“将视觉可见的比特值和可视信息碎片组成更大单位的感知对象并建立它们之间的关联。”

Attneave's Cat (1954): 线的结构传达主要信息

Contour 's History

局部边缘检测方法-1970s和80s早期；

Sobel, Rosenfeld, Binford-Horn, Marr-Hildreth, Canny …

利用曲线的连续性进行边缘连接检测

Rosenfeld, Zucker, Horn, Ullman …

80s开始有一些人将Perceptual Organization作为目标识别的前期工作。

Binford, Witkin and Tennebaum, Lowe, Jacobs …

Berkely Vision Group

收集人为分割的数据集

结合亮度、颜色和纹理学习局部边界特征

从全局的角度来捕捉closure和continuity

检测和定位junctions

将底层(pixel)、中层(edge)和高层(region)的信息集成来分组和分割。

Berkeley Segmentation Data Set[BSDS]

D. Martin, C. Fowlkes, D. Tal, J. Malik. "A Database of Human Segmented Natural Images and its Application to Evaluating Segmentation Algorithms and Measuring Ecological Statistics", ICCV, 2001

http://www.eecs.berkeley.edu/Research/Projects/CS/vision/bsds/

Note:

1. precision-recall 曲线：与ROC曲线相似，但不完全相同

precision->计算出的边缘像素是真实边缘的概率；(TP/(TP+FP))

recall->真实边缘概率被检测出来的概率. (TP/(TP+FN))

2. F-meature: precision与recall的调和平均数(2/(1/P+1/R))

F值越大效果越好

3. 为什么不使用ROC曲线评价：

ROC曲线中的FPT=FP/(FP+TN)，图像分辨率一旦变化，TN随之二次方变化， TP则线性变化，FP线性变化，那么FPT则1/n比例变化，而Recall依旧是线性变化，所以ROC曲线在图像领域不是很适合。