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