Учитывая алгоритм Cut-Relabel Graph Cut, описанный в this article Я хочу выполнить сегментацию двоичного изображения. Мой вопрос касается инициализации графика.Инициализирующий график для алгоритма Push-Relabel
При представлении изображения в виде графика с решетчатой структурой (MRF) обычно формулируется задача в соответствии с стандартной функцией унарных и попарных членов энергии в соответствии с разделом 3, уравнение 1 в this paper, где унарный термин представляет собой энергию данных и гладкость гладкомерных термов в некоторой окрестности.
Я изо всех сил пытаюсь установить связь между этой формулой оптимизации MRF и формулировкой алгоритма максимального потока в связанной статье. Насколько я понимаю, возможности между соседними узлами могут быть представлены некоторой функцией расстояния (на основе пространственных расстояний и значений интенсивности), например, раздел 2, уравнение 7 в this paper. Однако неясно, как можно было бы включить предварительные знания в инициализацию графика, например, начальные распределения для начальных точек.
На более высоком уровне, учитывая изображение с некоторыми помеченными семенными точками, относящимися к фону или классам объектов, как инициализировать график потока таким образом, что max-flow может использоваться для выполнения двоичной сегментации?
Благодарим вас за ответ. Правильно ли я подумал бы о том, что для условий правдоподобия журнала на соединениях источника и приемника можно вычислить среднее значение выборки и ковариацию для помеченных точек и использовать результирующие параметры в функции логарифмического правдоподобия нормального распределения? –
@VisionIncision Вы говорите о предыдущем распределении, для которого нет «правильного» выбора. Я действительно не знаю, работает ли это на практике. –