Segmentation using eigenvectors: a unifying view
Segmentation using eigenvectors: a unifying view
复制标题
DOI：
10.1109/iccv.1999.790354
复制
发表时间：
1999-09
期刊：
影响因子：
--
通讯作者：
Yair Weiss
中科院分区：
文献类型：
--
作者：
Yair Weiss
图像的自动分组和分割仍然是计算机视觉中的一个具有挑战性的问题。最近，一些作者已经使用基于亲和力矩阵的特征向量的方法在这项任务上证明了良好的性能。这些方法非常有吸引力，因为它们基于简单的特征分解算法，其稳定性是众所周知的。然而，在细分的背景下，特征组合的使用还远未被很好地理解。本文对这些算法进行了统一的处理，指出了它们之间的密切联系，同时突出了它们各自的特点。然后，我们证明了关于分块矩阵的特征向量的结果，这些结果允许我们分析这些算法在简单分组设置下的性能。最后，我们使用我们的分析来激励现有方法的变体，该方法结合了不同特征向量分割算法的方面。我们用真实图像和合成图像的结果来说明我们的分析。
Automatic grouping and segmentation of images remains a challenging problem in computer vision. Recently, a number of authors have demonstrated good performance on this task using methods that are based on eigenvectors of the affinity matrix. These approaches are extremely attractive in that they are based on simple eigendecomposition algorithms whose stability is well understood. Nevertheless, the use of eigendecompositions in the context of segmentation is far from well understood. In this paper we give a unified treatment of these algorithms, and show the close connections between them while highlighting their distinguishing features. We then prove results on eigenvectors of block matrices that allow us to analyze the performance of these algorithms in simple grouping settings. Finally, we use our analysis to motivate a variation on the existing methods that combines aspects from different eigenvector segmentation algorithms. We illustrate our analysis with results on real and synthetic images.