Unsupervised Image Segmentation Based on MRFs and Graph Cuts
Unsupervised Image Segmentation Based on MRFs and Graph Cuts
复制标题
基于 MRF 和图割的无监督图像分割
DOI：
--
复制
发表时间：
2009-09
期刊：
影响因子：
--
通讯作者：
Qiuxu Li
中科院分区：
文献类型：
--
作者：
Jieyu Zhao;Qiuxu Li
马尔可夫随机场(MRF)可用于各种视觉问题。本文提出了一种马尔可夫随机场(MRF)图像分割模型。其理论框架是基于能量优化的贝叶斯估计。图割已经成为一种强大的优化技术，用于最小化低层视觉问题中出现的能量函数。福特和富尔克森的定理指出，铣削问题和最大流量问题是等价的。因此，最小S/t割问题可以通过寻找从源S到汇点T的最大流来解决。我们采用了一种新的mm-Cut/Max-Flow算法，它属于基于增加路径的算法组。提出了一种基于期望最大化(EM)算法的参数估计方法。我们还选择了高斯混合模型作为我们的图像模型，并将与其中一个图像段(或类)相关联的密度建模为多元高斯分布。对于每个像素，提取与颜色、纹理和位置信息相关的特征特征。我们将提供实验结果来说明我们方法的性能。
Markov random fields (MRFs) can be used for a wide variety of vision problems. In this paper we will propose a Markov random field (MRF) image segmentation model. The theoretical framework is based on Bayesian estimation via the energy optimization. Graph cuts have emerged as a powerful optimization technique for minimizing energy functions that arise in low-level vision problem. The theorem of Ford and Fulkerson states that mill-cut and max-flow problems are equivalent. So, the minimum s/t cut problem can be solved by finding a maximum flow from the source s to the sink t. we adopt a new mm-cut/max-flow algorithm which belongs to the group of algorithms based on augmenting paths. We propose a parameter estimation method using expectation maximization (EM) algorithm. We also choose Gaussian mixture model as our image model and model the density associated with one of image segments (or classes) as a multivariate Gaussian distribution. Characteristic features related to the information in color, texture and position are extracted for each pixel. Experimental results will be provided to illustrate the performance of our method.
登录
查看更多内容
影响因子：
6
作者：
Paris Smaragdis
通讯作者：
Paris Smaragdis
DOI：
10.1007/978-3-540-92910-9_13
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Seungjin Choi
通讯作者：
Seungjin Choi
DOI：
10.1016/b978-0-12-804566-4.00016-4
发表时间：
2019
期刊：
Source Separation and Machine Learning
影响因子：
--
作者：
Jen-Tzung Chien
通讯作者：
Jen-Tzung Chien
DOI：
10.1109/icassp.2002.5743880
发表时间：
2002-05
期刊：
2002 IEEE International Conference on Acoustics, Speech, and Signal Processing
影响因子：
--
作者：
M. Ikram;D. Morgan
通讯作者：
M. Ikram;D. Morgan
DOI：
10.1109/icassp.2003.1199969
发表时间：
2003-04
期刊：
2003 IEEE International Conference on Acoustics, Speech, and Signal Processing, 2003. Proceedings. (ICASSP '03).
影响因子：
--
作者：
H. Sawada;R. Mukai;S. Araki;S. Makino
通讯作者：
H. Sawada;R. Mukai;S. Araki;S. Makino