用于高效图像分割的分层特征选择

详细描述

opencv hfs 模块包含一种高效的图像分割算法。该模块基于论文《用于高效图像分割的分层特征选择》（ECCV 2016）实现。原始项目由 Yun Liu 开发（https://github.com/yun-liu/hfs）。

分层特征选择简介

该算法分 3 个阶段执行

在第一阶段，算法使用 SLIC（简单线性迭代聚类）算法来获取输入图像的超像素。

在第二阶段，算法将每个超像素视为图中的一个节点。它将为图的每条边计算一个特征向量。然后，它根据特征向量和训练好的 SVM 参数计算每条边的权重。在获得每条边的权重后，它将利用 EGB（基于图的有效图像分割）算法合并图中的一些节点，从而获得更粗略的分割。在这些操作之后，将执行后处理以将小于特定像素数量的区域合并到其附近的区域。

在第三阶段，算法利用类似的机制将第二阶段获得的小区域进一步合并成更粗略的分割。

经过这三个阶段，我们可以得到图像的最终分割。有关该算法的更多详细信息，请参阅原始论文：《用于高效图像分割的分层特征选择》，ECCV 2016

类
类	cv::hfs::HfsSegment