Antensteiner, D. (2011). Interactive image segmentation using higher order graphs [Diploma Thesis, Technische Universität Wien]. reposiTUm. http://hdl.handle.net/20.500.12708/160489
E188 - Institut für Softwaretechnik und Interaktive Systeme
-
Date (published):
2011
-
Number of Pages:
60
-
Keywords:
Bildverarbeitung; Bildsegmentierung; Graphen
de
Image Segmentation
en
Abstract:
Das Ziel einer interaktiven Bildsegmentierung besteht darin, ein Bild in zwei Bereiche zu gliedern, nämlich in das zu segmentierende Objekt und in den Bereich, der nicht diesem Objekt zugehörig ist (Hintergrund). Hierzu markiert der Benutzer Teile des Objektes und Teile dieses Hintergrundes. Auf Grund dieser Information werden Rückschlüsse auf die Zugehörigkeit der restlichen Bildbereiche gezogen. Zum Zwecke der Segmentierung kann ein Bild als Graph betrachtet werden. Die Bildpunkte entsprechen den Knoten in diesem Graphen und Kanten modellieren Abhängigkeiten zwischen den Bildpunkten. Eine wichtige Frage ist, welche Bildpunkte miteinander verbunden werden sollen. Frühere Algorithmen verbinden üblicherweise die vier oder acht räumlich nächsten Punkte. Allerdings treten hier Schwierigkeiten an Objektkanten mit feinen Strukturen auf, wie sie zum Beispiel bei Bäumen zu finden sind.<br />Größere Nachbarschaften können das Segmentierungsergebnis verbessern.<br />Allerdings steigt der Rechenaufwand für die Berechnung des Graphen-Schnittes mit der Anzahl der verwendeten Kanten.<br />
de
The aim of interactive image segmentation is to partition an image by dividing it into two areas, namely a foreground (object) and a background. To achieve this, the user marks parts of the object and parts of the background. Based on this input information, further conclusions about the remaining areas in the image are drawn. In order to segment the image, it is represented as a graph. Each pixel of the image is represented by a node in this graph, and edges model the relations between the pixels. One of the core issues is the definition of this neighborhood. Earlier algorithms are using smaller 4-connected or 8-connected neighborhoods. Especially close to object boundaries with fine structures, problems arise. An example is a tree with small branches and leaves. Higher pixel neighborhoods can improve the segmentation results. However, the computational expenses for the graph cut rise with the number of edges in the graph.
