×
丁磊;阿尔珀·伊尔马兹

基于概率超图的交互式图像分割。 （英语） Zbl 1191.68565号

模式识别 43，第5期，1863-1873（2010）.
摘要：本文介绍了一种新的交互式图像分割框架，该框架使用概率超图来模拟图像像素之间的空间和外观关系。概率超图为我们提供了一种将图像分割视为机器学习问题的方法。特别是，我们假设一组称为种子像素的小像素被标记为对象和背景。种子像素通过最小化超图拉普拉斯矩阵在已知标签约束下形成的二次平滑项，在超图上学习，从而估计未标记像素的标签。我们推导了这个平滑项的自然概率解释，并详细讨论了我们的方法与其他超图和基于图的学习方法的关系。我们还提出了一个基于该方法的前端图像分割系统，该系统在常用的GrabCut数据集上取得了良好的定性和定量结果。

引用于2文件

MSC公司：

68吨10 模式识别、语音识别

关键词：

图像分割;交互式分割;半监督学习;超图

软件：

抓斗切割;GMRF库;BSDS公司;MAXFLOW（最大流量）
PDF格式BibTeX公司 XML格式引用
\textit{L.Ding}和\textit{A.Yilmaz}，模式识别43，第5期，1863-1873（2010；Zbl 1191.68565）
全文： 内政部

参考文献：

[1] Forsyth，D.A。；Ponce，J.，《计算机视觉：现代方法》（2002），新泽西州普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德克利夫斯
[2] 阀盖，N。；库特罗纳，J。；Herbin，M.，基于“无阈值”直方图的图像分割方法，模式识别，35，10，2319-2322（2002）·Zbl 1006.68874号
[3] 纳文，E。；O.米勒。；Averbuch，A.，基于自适应局部阈值的彩色图像分割，图像和视觉计算，23，1，69-85（2005）
[4] Osher，S。；Paragios，N.，《成像、视觉和图形中的几何水平集方法》（2003），Springer:Springer New York·Zbl 1027.68137号
[5] 史J。；Malik，J.，标准化切割和图像分割，IEEE模式分析和机器智能汇刊，22，8，888-905（2000）
[6] 博伊科夫，Y.Y。；Funka-Lea，G.，《图形切割和高效n-d图像分割》，《国际计算机视觉杂志》，70，2，109-131（2006）
[7] 程博士。；Jiang，X.H。；孙，Y。；Wang，J.L.，彩色图像分割：进展与展望，模式识别，342259-2281（2001）·Zbl 0991.68137号
[8] 张勇，《图像和视频分割的进展》（2006），IRM出版社
[9] D.Martin，C.Fowlkes，D.Tal，J.Malik，人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用，收录于：计算机视觉国际会议，2001年，第416-423页。；D.Martin，C.Fowlkes，D.Tal，J.Malik，《人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用》，载《计算机视觉国际会议》，2001年，第416-423页。
[10] Kass，M。；Witkin，A。；Terzopoulos，D.，《蛇：活动轮廓模型》，《国际计算机视觉杂志》，1，4，321-331（1987）
[11] E.N.Mortensen，W.A.Barrett，《图像合成用智能剪刀》，载于：计算机图形和交互技术年度会议SIGGRAPH，1995年，第191-198页。；E.N.Mortensen，W.A.Barrett，《图像合成用智能剪刀》，载于：计算机图形和交互技术年度会议SIGGRAPH，1995年，第191-198页。
[12] Grady，L.，图像分割的随机行走，IEEE模式分析和机器智能汇刊，28，11，1768-1783（2006）
[13] O.Duchenne，J.-Y.Audibert，R.Keriven，J.Ponce，F.Segonne，通过转导进行分割，收录于：IEEE计算机视觉和模式识别会议，2008年，第1-8页。；O.Duchenne，J.-Y.Audibert，R.Keriven，J.Ponce，F.Segonne，通过转导进行分割，收录于：IEEE计算机视觉和模式识别会议，2008年，第1-8页。
[14] A.Blum，S.Chawla，《使用图形切割从标记和未标记数据中学习》，载《机器学习国际会议》，2001年，第19-26页。；A.Blum，S.Chawla，《使用图形切割从标记和未标记数据中学习》，收录于：《机器学习国际会议》，2001年，第19-26页。
[15] A.Blum，J.Lafferty，M.Rwebangira，R.Reddy，使用随机切割的半监督学习，收录于：2004年国际机器学习会议，第13-20页。；A.Blum，J.Lafferty，M.Rwebangira，R.Reddy，使用随机切割的半监督学习，收录于：2004年国际机器学习会议，第13-20页。
[16] X.Zhu，Z.Gahramani，J.Lafferty，《使用高斯场和调和函数的半监督学习》，载于：国际机器学习会议，2003年，第912-919页。；X.Zhu，Z.Ghahramani，J.Lafferty，使用高斯场和调和函数的半监督学习，收录于：国际机器学习会议，2003年，第912-919页。
[17] 贝尔金，M。；Niyogi，P.，黎曼流形上的半监督学习，机器学习，56，1-3，209-239（2004）·Zbl 1089.68086号
[18] 贝尔金，M。；Niyogi，P。；Sindhwani，V.，《流形正则化：从标记和未标记示例学习的几何框架》，《机器学习研究杂志》，7，2399-2434（2006）·兹比尔1222.68144
[19] Berge，C.，超图（1989），北荷兰：北荷兰阿姆斯特丹·Zbl 0334.05117号
[20] 布雷托，A。；阿泽马，J。；谢里菲，H。；Laget，B.，组合数学与图像处理，CVGIP：图形模型与图像处理（1997），59，5，265-277
[21] S.Rital，H.Cherifi，S.Miguet，邻域超图分割用于图像分割，收录于：计算机视觉理论与应用国际会议，2006年，第331-337页。；S.Rital，H.Cherifi，S.Miguet，邻域超图分割用于图像分割，收录于：计算机视觉理论与应用国际会议，2006年，第331-337页。
[22] N.Selvakkumaran，G.Karypis，切割和最大子域度最小化的多目标超图划分算法，收录于：IEEE/ACM计算机辅助设计国际会议，2003年，第726-733页。；N.Selvakkumaran，G.Karypis，切割和最大子域度最小化的多目标超图划分算法，收录于：IEEE/ACM计算机辅助设计国际会议，2003年，第726-733页。
[23] X.Ren，J.Malik，《学习分割的分类模型》，载《计算机视觉国际会议》，2003年，第10-17页。；X.Ren，J.Malik，《学习分割的分类模型》，载《计算机视觉国际会议》，2003年，第10-17页。
[24] L.Ding，A.Yilmaz，作为超图学习的图像分割，载：机器学习与应用国际会议，2008年，第247-252页。；L.Ding，A.Yilmaz，作为超图学习的图像分割，收录于：机器学习与应用国际会议，2008年，第247-252页。
[25] 科马尼丘，D。；Meer，P.，Mean shift:一种稳健的特征空间分析方法，IEEE模式分析和机器智能汇刊，24，5603-619（2002）
[26] D.Zhou，J.Huang，B.Schölkopf，用超图学习：聚类，收录于：神经信息处理系统年会，2006年，第1601-1608页。；D.Zhou，J.Huang，B.Schölkopf，用超图学习：聚类，收录于：神经信息处理系统年度会议，2006年，第1601-1608页。
[27] G.Wachman，R.Khardon，《从解释中学习：有序超图的根核》，收录于：2007年国际机器学习会议，第943-950页。；G.Wachman，R.Khardon，《从解释中学习：有序超图的根内核》，收录于：2007年国际机器学习会议，第943-950页。
[28] S.Agarwal，K.Branson，S.Belongie，图的高阶学习，收录于：机器学习国际会议，2006年，第17-24页。；S.Agarwal，K.Branson，S.Belongie，图的高阶学习，收录于：机器学习国际会议，2006年，第17-24页。
[29] A.Bretto，L.Gillibert，基于超图的图像表示，摘自：IAPR-TC-15模式识别中基于图形的表示研讨会，计算机科学讲稿，第3434卷，施普林格，柏林，2005年，第1-11页。；A.Bretto，L.Gillibert，基于Hypergraph-based image representation，摘自：IAPR-TC-15模式识别中基于图形的表示研讨会，《计算机科学讲义》，第3434卷，斯普林格，柏林，2005年，第1-11页·Zbl 1119.68522号
[30] 海因，M。；奥迪伯特，J.-Y。；von Luxburg，U.，图Laplacians及其在随机邻域图上的收敛性，机器学习研究杂志，81325-1368（2007）·Zbl 1222.68215号
[31] Lee-Kwang，H。；Lee，K.-M.，模糊超图和模糊划分，IEEE系统汇刊，人与控制论，25,1196-201（1995）·Zbl 1371.05240号
[32] X.Lan，S.Roth，D.Huttenlocher，M.J.Black，学习高阶马尔可夫随机场的有效信念传播，摘自：欧洲计算机视觉会议，2006年，第269-282页。；X.Lan，S.Roth，D.Huttenlocher，M.J.Black，学习高阶马尔可夫随机场的有效信念传播，收录于：欧洲计算机视觉会议，2006年，第269-282页。
[33] J.McAuley，T.Caetano，A.Smola，M.Franz，学习彩色图像的高阶MRF先验，载于：国际机器学习会议，2006年，第617-624页。；J.McAuley，T.Caetano，A.Smola，M.Franz，学习彩色图像的高阶MRF先验，收录于：2006年国际机器学习会议，第617-624页。
[34] 博伊科夫，Y。；Kolmogorov，V.，《视觉能量最小化最小/最大流算法的实验比较》，IEEE模式分析和机器智能汇刊，26，9，1124-1137（2004）
[35] Pearl，J.，《智能系统中的概率推理：合理推理网络》（1988），摩根·考夫曼：摩根·考夫曼，加利福尼亚州旧金山
[36] H街。；Held，L.，《高斯马尔可夫随机场：理论与应用》（2005），查普曼和霍尔出版社：伦敦查普曼和霍尔出版社·邮编1093.60003
[37] Fairchild，M.D.，《颜色外观模型》（1998年），艾迪森·韦斯利：艾迪森·韦斯利阅读，马萨诸塞州
[38] A.Hanbury，超像素如何影响图像分割？in：伊比利亚美洲模式识别大会，计算机科学讲稿，第5197卷，施普林格，柏林，2008年，第178-186页。；A.Hanbury，超像素如何影响图像分割？in：伊比利亚美洲模式识别大会，计算机科学讲稿，第5197卷，施普林格，柏林，2008年，第178-186页。
[39] Meyer，F.，《形态分割概述》，《国际模式识别与人工智能杂志》，第15、7、1089-1118页（2001年）
[40] B.C.Russell，A.A.Efros，J.Sivic，W.T.Freeman，A.Zisserman，《使用多重分割发现物体及其在图像采集中的范围》，收录于：IEEE计算机视觉和模式识别会议，2006年，第1605-1614页。；B.C.Russell、A.A.Efros、J.Sivic、W.T.Freeman、A.Zisserman，《使用多重分割发现物体及其在图像采集中的范围》，收录于：IEEE计算机视觉和模式识别会议，2006年，第1605-1614页。
[41] P.Kohli，L.Ladicky，P.H.S.Torr，增强标签一致性的鲁棒高阶势，收录于：IEEE计算机视觉和模式识别会议，2008年，第302-324页。；P.Kohli，L.Ladicky，P.H.S.Torr，增强标签一致性的鲁棒高阶势，收录于：IEEE计算机视觉和模式识别会议，2008年，第302-324页。
[42] V.Raykar，R.Duraiswami，核密度估计的快速最优带宽选择，载于：SIAM国际数据挖掘会议，2006年，第524-528页。；V.Raykar，R.Duraiswami，核密度估计的快速最优带宽选择，载于：SIAM国际数据挖掘会议，2006年，第524-528页。
[43] F.R.K.Chung，谱图理论，收录于：数学区域会议系列，第92卷，1997年。；F.R.K.Chung，谱图理论，收录于：数学区域会议系列，第92卷，1997年·Zbl 0867.05046号
[44] E.Nowak，F.Jurie，B.Triggs，特征袋图像分类的采样策略，载于：欧洲计算机视觉会议，2006年，第490-503页。；E.Nowak，F.Jurie，B.Triggs，袋状特征图像分类的采样策略，收录于：欧洲计算机视觉会议，2006年，第490-503页。
[45] X.Zu，Z.Ghahramani，通过标记传播从标记和未标记数据中学习，技术报告CMU-CALD-02-107，卡内基梅隆大学计算机科学学院，宾夕法尼亚州匹兹堡，2002。；X.Zu，Z.Ghahramani，通过标记传播从标记和未标记数据中学习，技术报告CMU-CALD-02-107，卡内基梅隆大学计算机科学学院，宾夕法尼亚州匹兹堡，2002年。
[46] C.Rother，V.Kolmogorov，A.Blake，《抓取：使用迭代图切割的交互式前景提取》，载于：计算机图形和交互技术年度会议（SIGGRAPH），2004年，第309-314页。；C.Rother，V.Kolmogorov，A.Blake，《抓取：使用迭代图切割的交互式前景提取》，载于：计算机图形和交互技术年度会议（SIGGRAPH），2004年，第309-314页。
[47] A.Cavallaro，E.D.Gelasca，T.Ebrahimi，使用时空背景对分割质量进行客观评估，收录于：国际图像处理会议，2002年，第301-304页。；A.Cavallaro，E.D.Gelasca，T.Ebrahimi，使用时空背景对分割质量进行客观评估，载于：国际图像处理会议，2002年，第301-304页。
[48] A.Blake，C.Rother，M.Brown，P.Perez，P.Torr，使用自适应GMMRF模型的交互式图像分割，收录于：欧洲计算机视觉会议，2006年，第428-441页。；A.Blake，C.Rother，M.Brown，P.Perez，P.Torr，使用自适应GMMRF模型的交互式图像分割，摘自：欧洲计算机视觉会议，2006年，第428-441页·Zbl 1098.68730号
[49] B.Settles，主动学习文献调查，技术报告1648，威斯康星大学计算机科学系，威斯康辛州麦迪逊，2009年。；B.Settles，主动学习文献调查，技术报告1648，威斯康星大学计算机科学系，威斯康辛州麦迪逊，2009年·Zbl 1270.68006号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。