用于高效图像分割的分层特征选择

详细说明

opencv hfs 模块包含一个高效的图像分割算法。该模块是基于论文《Hierarchical Feature Selection for Efficient Image Segmentation, ECCV 2016》实现的。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

第一阶段，算法使用 SLIC (simple linear iterative clustering) 算法获取输入图像的超像素。

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。获得每条边的权重后，它将利用 EGB (Efficient Graph-based Image Segmentation) 算法合并图中的一些节点，从而获得更粗粒度的分割。执行完这些操作后，将执行后处理，将小于特定像素数的区域合并到其附近的区域。

第三阶段，算法利用类似的机制将第二阶段获得的较小区域进一步合并，以获得更粗粒度的分割。

经过这三个阶段，我们可以获得图像的最终分割结果。有关该算法的更多详细信息，请参阅原始论文：《Hierarchical Feature Selection for Efficient Image Segmentation, ECCV 2016》

类
类	cv::hfs::HfsSegment