我正在尝试开发一个系统，该系统根据纹理、形状和颜色等原始特征识别图像中存在的各种对象。
此过程的第一阶段是从图像中提取单个对象，然后对每个对象进行逐个图像处理。
然而，到目前为止我研究过的分割算法甚至不是近乎完美或所谓的理想图像分割算法。
分割准确性将决定系统对给定查询的响应程度。
分割应该既快速又准确。
任何人都可以建议我到目前为止开发或实现的任何分割算法，实现起来不会太复杂，但足以完成我的项目..
任何帮助都可以理解..
问问题
6315 次
4 回答
3
一个很晚的答案，但可能会帮助有人在谷歌搜索这个，因为这个问题作为“最佳分割算法”的第一个结果弹出。
完全卷积网络似乎完全可以完成您要求的任务。检查arXiv中的论文和MatConvNet中的实现。
下图说明了这些 CNN 的分割示例（我链接的论文实际上提出了 3 种不同的架构，FCN-8 是最好的）。
于 2017-01-26T19:07:42.953 回答
2
不幸的是，面部识别的最佳算法类型使用小波重建。这并不容易，而且目前使用的几乎所有算法都是专有的。这是一个较晚的响应，所以它可能对您没有用，但一个建议是使用分水岭算法。事先，您可以使用一张脸的通用绘图（黑白），生成绘图的 FFT --- 称之为 *FFT_Face*。
现在使用分水岭算法分割你的人脸图像。调用分割图像*Water_face*。现在找到每个轮廓/段的质心。生成 *Water_Face* 的 FFT，并将其与 *FFT_Face 图像* 相关联。结果图像中最亮的像素应该是脸部的中心。现在您可以计算该点与之前生成的线段中心之间的距离。前几个距离应该足以区分一个人和另一个人。
我确信这个过程有一些改进，但总体思路应该能让你到达那里。
于 2012-09-21T03:49:43.317 回答
1
做谷歌搜索出现了这篇论文：http ://www.cse.iitb.ac.in/~sharat/papers/prim.pdf
似乎让它变得更好是一个难题，所以我认为你可能不得不接受那里的东西。
于 2011-02-18T14:40:43.327 回答
1
您可以尝试分水岭分割算法，也可以通过定性测量来计算分割算法的准确性
于 2012-04-24T02:31:36.887 回答