Object Segmentation and Markov Random Fields ぱらぱらめくる『Handbook of Biomedical Imaging Methodologies and Clinical Research』

• セグメンテーションのアルゴリズムの一つにグラフカットがある
• グラフカット法はbinary Markov Random Firldsのグローバルな最適ラベル付け方法として位置づけられている
• セグメンテーションは、境界決めという作業である
• 古くからThreshold法、region growing法などがあるが、限界がある
• 列挙すれば、エネルギー関数を定めてそれに基づくsnakes, balloons, active contour models, geometric methdos, shortest path, ratio cycles, ratio cuts random walker, graph cuts, continuous maxflow, total variation, total variation-based convex relaxation などが知られている
• 分類すれば、local optimizationかglobal optimizationかで分けることができるし、表面・等高線をexplicit/implicitに決めるか、という分類もある
• explicitは境界が「ここ」と示すのに対して、implicitは「内部」と「外部」を決め、その間に境界があることにする、という方法
• Overview of object segmentation methods
  • Implicit representation of contours/surfaces
  • Local vs. Global optimization
  • Continuous vs. Discrete Optimization
  • Integrating Boundary and Regions
  • Topological Constraints
• Related work on Markov Random Fields
• Optimal object segmentation via graph cuts
  • Segmentation energy
  • Hard constraints and initialization
  • Using directed eges