Image Segmentation

Abstract

Image segmentation is a fundamental part in low level computer vision processing. It has an essential influence on the subsequent higher level visual scene interpretation for a wide range of applications. Unsupervised image segmentation is an ill-defined problem and thus cannot be optimally solved in general. Several novel unsupervised multispectral image segmentation methods based on the underlaying random field texture models (GMRF, 2D/3D CAR) were developed. These segmenters use efficient data representations that allow an analytical solutions and thus the segmentation algorithm is much faster in comparison to methods based on MCMC. All segmenters were extensively compared with the alternative state- of-the-art segmenters with very good results. The MW3AR segmenter scored as one of the best available. The cluster validation problem was solved by a modified EM algorithm. Two multiple resolution segmenters were designed as a combination of a set of single segmenters. To tackle a realistic variable lighting in images, the illumination invariant features were derived and the illumination invariant segmenter was developed. For the proper evaluation of segmentation results and ranking of algorithms, a unique web-based texture segmentation benchmark was proposed and implemented. It was used for comprehensive...

Segmentace obrazu je základní částí zpracování obrazu na nízké úrovni počítačového vidění. To má zásadní vliv na další analýzu vizuální scény na vyšších úrovních pro širokou škálu aplikací. Neřízená segmentace obrazu má charakter špatně definovaného problému, a proto nemůže být optimálně řešena v obecném případě. Bylo vyvinuto několik nových neřízených multispektrálních metod segmentace ob- razu založených na texturních modelech náhodných polí (GMRF, 2D/3D CAR). Tyto segmentační metody používají efektivní reprezentace dat, které umožňují analytické řešení, a proto je algoritmus mnohem rychlejší ve srovnání s metodami založenými na MCMC. Výsledky segmentačních metod byly porovnávány s alternativními " state-of- the-art" algoritmy s velmi dobrými výsledky. Metoda MW3AR se umístila mezi nej- lepšími dostupnými metodami. Problém validace shluků byl řešen pomocí upraveného EM algoritmu. Metody segmentace ve více rozlišeních byly vytvořeny jako kombinace několika jednoduchých metod (používajících jedno rozlišení). Pro vypořádání se s problémem proměnného osvětlení v reálných scénách byly odvozeny iluminačně inva- riantní příznaky a implementována iluminačně invariantní...