image-processing - 最佳分割算法

标签 image-processing image-segmentation cbir

<分区>

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。

这个过程的第一步是从图像中提取出单个对象,然后对每个对象进行图像处理。

然而,到目前为止,我所研究的分割算法甚至都不是完美的或所谓的理想图像分割算法。

分割的准确性将决定系统对给定查询的响应有多好。

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..

欢迎任何帮助..

最佳答案

一个很晚的答案,但可能有助于在谷歌中搜索这个的人,因为这个问题作为“最佳分割算法”的第一个结果弹出。

全卷积网络似乎完全可以完成您要求的任务。查看arXiv中的论文,以及 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)。 Segmentation results

关于image-processing - 最佳分割算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5042445/

相关文章:

image - 检测图像中的纹理

image - 如何缩放特殊范围[0.9 1.1]内的数据?

opencv - 如何估算用于 Gamma 校正的最佳 Gamma 参数?

python - 清理图像分割中未标记的像素

python - 如何在Python中仅打开10%放大的jpeg图像?

matlab - CBIR系统如何计算 "Average Precision and Ranking"

JavaCV:如何获取描述符的二进制字符串

tensorflow - 如何在机器学习中训练模型以从图像中去除背景

opencv - 计算召回率和精度以评估 CBIR 系统