分割算法|Efficient Graph-Based Image Segmentation

本文的基本结构:

论文的笔记

源码的分析笔记

一 本文的分割思想——无向图分割

1 名词和符号介绍

无向图G,每个像素是一个顶点v_i\in VG = (V,E)

V是顶点集合,E是邻边集合,\(v_i,v_j\)\in E

C(component):可以理解为分割后的每一个部分(类似region)

S(segmentation)是V划分成components的结果,每个component C \in S

2 分割的思想

2.1 分割原则

在同一个component内相邻顶点的边的权值应尽量小,不同component内的顶点的权重较大

2.2 分割方法

定义一个参数D:其值判断了两个component的之间是否有边界(boundary)即要不要合并

定义internal difference (内差):代表一个部分(component)的属性

对于一个component C \subseteq V 是C的最小生成树MST(C,E)中的最大权值,即

Int(C) =\mathop{max}\limits_{e \in MST(C,E)}w(e)

定义外差:代表了两个部分间的属性

两个component的差值为

   

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值