边缘检测杂记
PDE : partial differential equation
PDF : probability density function
you two make me afused.
Snake:Active Contour Models.
蛇模型是一种能量最小化样条,由外部约束力和图像力引导, 拉向直线和边之类的特征。蛇是主动轮廓模型:他们锁定附近的边,准确定位。尺度空间的连续性可以用于扩大特征周围的捕获区域。蛇模型提供了一种通盘考虑的视觉问题,包括边、线和主观轮廓检测,运动跟踪和模式匹配。我们已经成功在交互解释程序中应用,用户在兴趣点附近施加约束条件引导蛇模型。
Perceptual organization is a powerful tool for automatic detection objects.
基本的蛇模型是一个在图像力量和外部约束力量的影响下 受控的连续性 样条。内部样条曲线用来 施加一个 分段光滑约束,图像力将蛇模型推向显著的图像特征,例如线、边和主观轮廓 。 外部约束力负责将蛇模型降到一个所需的极小值。这个力可以是用户输入,自动感知或者高层解释。
Eint 表示样条弯曲引起的内部力。Eimage产生图像力。Econ产生外部约束力。
内部样条能量:由一阶项和二阶项组成 。一阶项使蛇模型像薄膜,二阶项使蛇模型像薄片。
图像力:
线函数 最简单实用的图像函数就是图像强度。Eline = I(X, Y),根据权重wline 蛇就被吸引到亮或暗的线。除非有其它限制,蛇会自己对齐到最亮或最暗的轮廓线附近。
边函数 Eedge = -lΔI(x,y)l , 蛇就被吸引到具有大图像梯度的轮廓。
尺度空间
结论
Canny
图像边界特别相关的三个方面:
- 边界表示
- 边缘检测易犯的错误
- 图像边界的常用准确表示和常用性能测量描述
Canny 三标准:
- 良好信噪比
- 定位原则
- 单边响应
通常违背的错误
- 杂散响应(误报Fps,与纹理和噪声相关
- 缺边(误排除,Fns,与低对比度相关
- 位移,可能因为过度规范后的提取
内德·米德·鲍威尔,见《数值方法》
it is reasonable to believe , a tight definition might restrict its application.
but have also been subjected to criticisms.
scenariors 方案
边缘导向方法轮廓检测
不依赖分割,区别在于边缘和轮廓
轮廓检测分为局部和全局算子
局部基于差异分析、统计的目的。全局基于轮廓显著的计算,感性分组松驰标记和主动轮廓
主要目的是抑制纹理和噪声,高分辨率计算模型与用户视觉参数联系
轮廓检测已经达到很高的复杂度,同时考虑多模式 轮廓定义深度、颜色和纹理变化,减少轮廓噪声 纹理蒙罩影响机制
多尺度面 高水平视觉信息