Visual Saliency for Image Segmentation and Object Detection

課程: 論文研討(四)

日期 : 2013/04/26

時間 : 13:50 ~ 15:30

學生 : 資傳研二 陳怡安

演講者 :中央研究院  劉庭祿研究員

心得報告：

這是一個關於目標影像檢測與顯著影像切割的議題，簡單的說，就是希望可以有效率的對影像的中物件進行標示與追蹤．

具體方法為，利用眼球追蹤技術找出使用者關注的影像區塊並建立顯著區塊圖，並檢查這些顯著區塊圖中是否存在突出物件．並利用Graph cut技術將影像物件與背景作分割，此研究可以對多張影像自動進行上述的檢測分割流程，並在經由Energy functiony技比較影像之物件是否相似，藉此達到自動分割之目的．

Graph cuts是一種十分有用和流行的能量優化算法，在計算機視覺領域普遍應用於前背景分割（Image segmentation）、立體視覺（stereo vision）、摳圖（Image matting）等。 Graph Cuts理論最早是出現在流網絡優化領域的，比如說水管網絡，通信傳輸網絡，城市車流網絡等。

普通的圖由頂點和邊構成，如果邊的有方向的，這樣的圖被則稱為有向圖，否則為無向圖，且邊是有權值的，不同的邊可以有不同的權值，分別代表不同的物理意義。而Graph Cuts圖是在普通圖的基礎上多了2個頂點，這2個頂點分別用符號”S”和”T”表示，統稱為終端頂點。其它所有的頂點都必須和這2個頂點相連形成邊集合中的一部分。所有Graph Cuts中的邊也分為兩種，一種是普通頂點與相鄰點或者與之有關聯的點之間的連線，一種是剛講的普通頂點和2個終端頂點之間的連線。 Graph Cuts中的Cuts是指這樣一個邊的集合,很顯然這些邊集合包括了上面2種邊，該集合中邊的斷開會導致殘留物件和背景分開，且這些邊的集合中所有權值之和是最小的。藉此達成物件與背景之間的最小切割。