Grafsnitt i datorseende
Grafsnitt har stor betydelse inom datorseende då det framgångsrikt kan lösa ett stort antal av de problem inom datorseende som kan formuleras som minimeringsproblem. Detta inkluderar problem så som segmentering, utjämning, och att hitta korrespondenser. Dessa minimeringsproblem kan approximeras med hjälp av att man löser maxflödesproblemet (vilket enligt Max-flöde, minsta-snitt ger det minsta snittet i grafen) [1].
Binära problem, till exempel brusreducering av en binär bild, kan lösas exakt.[2] Övriga problem kan framgångsrikt lösas approximativt av en serie binära problem.
Se även
[redigera | redigera wikitext]Referenser
[redigera | redigera wikitext]- J.E. Besag (1986), On the statistical analysis of dirty pictures (with discussion), Journal of the Royal Statistical Society Series B, 48, 259–302
- Yuri Boykov, Vladimir Kolmogorov: An Experimental Comparison of Min-Cut/Max-Flow Algorithms for Energy Minimization in Vision. IEEE Trans. Pattern Anal. Mach. Intell. 26(9): 1124-1137 (2004)
- Gareth Funka-Lea, Yuri Boykov, Charles Florin, M. P. Jolly, Romain Moreau-Gobard, R. Ramaraj and D. Rinck (2006), Automatic heart isolation for CT coronary visualization using graph cuts, IEEE International Symposium on Biomedical Imaging, 614–617.
- D. Geman and S. Geman (1984), Stochastic relaxation, Gibbs distributions and the Bayesian restoration of images, IEEE Trans. Pattern Anal. Mach. Intell., 6, 721–741.
- D.M. Greig, B.T. Porteous and A.H. Seheult (1989), Exact maximum a posteriori estimation for binary images, Journal of the Royal Statistical Society Series B, 51, 271–279.
Noter
[redigera | redigera wikitext]- ^ Boykov, Y.; Veksler, O.; Zabih, R. (November 2001). ”Fast approximate energy minimization via graph cuts”. IEEE Transactions on Pattern Analysis and Machine Intelligence 23 (11): sid. 1222–1239. doi:. ISSN 0162-8828. http://ieeexplore.ieee.org/document/969114/. Läst 6 mars 2018.
- ^ Greig et al. 1989