Posts cs131 lecture 9 Segmentation and Clustering-Agglomerative Clustering
Post
Cancel

cs131 lecture 9 Segmentation and Clustering-Agglomerative Clustering

影像分割目的

  • 把屬於同一群的像素集合在一起
  • 將想要做進一步分析的物件與背景分割出來,概念跟框選ROI相似,但是更精細的ROI,把非物件的不相干雜訊濾除

視覺上分群的範例

依照格式塔原則進行分類,以Gestalt為名的完形心理學,概念#是人類對於任何視覺圖像的認知,是一種經過知覺系統組織後的形態與輪廓,而並非所有各自獨立部份的集合。 其中格式塔原則的一些特點:

  • Similarity 相似性
  • Symmetry 對稱性
  • Common Fate 共同命運,同群在影像中表現出相同的移動方向性、趨勢
  • Proximity 相近性,物體距離相近時視為一群

clustering method

分群的概念是把一組資料依照距離或相似程度分成不同的群集 分群法是一種非監督式分群方法

相似度比對

常見的相似度比對方法有:

  • Euclidean distance
  • Cosine similarity

歐式距離:

餘弦相似性,概念是比對兩向量的夾角角度:

分群演算法理想特性

  • 可擴縮性(Scalability)
  • 可以處理不同的資料型態
  • 簡單的參數調整與設定
  • 可說明性,呈現的結果是可解釋的
  • 約束性,演算法可由使用者預先設定的限制下動作

Agglomerative clustering

  1. 將每個資料點都視為一獨立的群
  2. 找出最相近的群集點對
  3. 將點對合併成一群
  4. 重複上述步驟直到合併結束

定義群集之間的相似性

  • 點到點之間的平均距離
  • 最小點距離
  • 最大點距離

優缺點

  • 好實現且應用廣泛
  • 集群具有自適應形狀
  • 提供階層式的集群
  • 不需預設群數
  • 可能會出現不均勻的群集結果
  • 還是需要定義群集相似度閾值
  • 時間複雜度 \(O(n^3)\)
  • 可能陷入局部最佳解

參考

視覺法則 – 格式塔原則

This post is licensed under CC BY 4.0 by the author.

cs131 lecture 6 Feature Descriptors-HoG

Efficient Graph-Based Image Segmentation

Comments powered by Disqus.