Görüntü Segmentasyonu
Görüntü segmentasyonu, bir görüntüyü nesnelere veya anlamlı parçalara karşılık gelen bölgelere ayırır ve her pikseli bir segmente atar.
Tanım
Görüntü segmentasyonu, her pikselin bir dizi bölge veya sınıftan birine atanması işlemidir; bu sayede bir bölgedeki pikseller tutarlı olur ve bölgeler belirgin sahne yapılarına karşılık gelir.
Kapsam
Bu konu, eşikleme (thresholding) ve bölge büyütme (region-growing) tekniklerini, renk ve özellik uzayında piksellerin kümelenmesini, normalize kesimler (normalized cuts) gibi graf tabanlı yöntemleri, enerji minimizasyonu ve aktif kontur formülasyonlarını, ayrıca her pikseli bir nesne sınıfıyla etiketleyen modern anlamsal (semantic) ve örnek (instance) segmentasyon yaklaşımlarını kapsamaktadır.
Temel sorular
- Pikseller tutarlı bölgeler halinde nasıl gruplandırılır?
- İyi bir segmentasyonu kötü bir segmentasyondan ayıran kriter nedir?
- Küresel bölge yapısı, piksel piksel karar vermek yerine nasıl optimize edilebilir?
- Segmentasyon, pikselleri nesne kategorileriyle etiketlemek için nasıl genişletilir?
Anahtar kavramlar
- Eşikleme (Thresholding) ve Bölge Büyütme (Region Growing)
- Özellik Uzayında Kümeleme
- Normalize Kesimler (Normalized Cuts)
- Enerji Minimizasyonu ve Graf Kesimleri (Graph Cuts)
- Aktif Konturlar (Active Contours)
- Anlamsal (Semantic) ve Örnek (Instance) Segmentasyon
Temel kuramlar
- Graf Tabanlı Segmentasyon
- Pikselleri benzerliğe göre ağırlıklandırılmış kenarlara sahip graf düğümleri olarak ele alan normalize kesim kriteri, bölgeler arası farklılığa kıyasla bölge içi tutarlılığı en üst düzeye çıkarmak için görüntüyü bölümlere ayırarak küresel olarak dengeli segmentasyonlar sağlamaktadır.
- Etiketleme için Enerji Minimizasyonu
- Segmentasyon, pikselleri uygun bölgelere atamayı ödüllendiren ve benzer komşular arasındaki etiket değişikliklerini cezalandıran bir enerjiyi minimize etme problemi olarak ele alınabilir; bu problem graf kesimleri ve ilgili optimizasyon yöntemleriyle verimli bir şekilde çözülebilmektedir.
Klinik önem
Segmentasyon, organ ve tümörlerin sınırlandırılması gibi tıbbi görüntü analizinde, otonom sürüşte sahne anlamlandırmada, uzaktan algılama ile arazi örtüsü haritalamasında ve görüntü düzenleme ile nesne çıkarımında merkezi bir rol oynamaktadır.
Tarihçe
Erken dönem segmentasyon, eşikleme ve bölge birleştirmeye dayanmaktaydı; 2000 yılında normalize kesimler gibi graf tabanlı yöntemler ve enerji minimizasyonu yaklaşımları alanı ilerletmiş, derin evrişimsel ağlar ise daha sonra yoğun anlamsal ve örnek segmentasyon başarısı elde etmiştir.
Öne çıkan isimler
- Jianbo Shi
- Jitendra Malik
İlgili konular
Temel eserler
- shi2000
- szeliski2022
Sıkça sorulan sorular
- Anlamsal segmentasyon ile örnek segmentasyon arasındaki fark nedir?
- Anlamsal segmentasyon, her pikseli yol veya insan gibi bir sınıfla etiketler ancak bireyleri ayırmazken, örnek segmentasyon her ayrı nesneyi ek olarak ayırt eder, böylece iki kişi farklı etiketler alır.
- Segmentasyon neden zor kabul edilmektedir?
- Tek bir bölge olarak neyin sayılacağı göreve bağlıdır ve genellikle belirsizdir; doğal görüntülerde doku, gölgelendirme ve örtüşme gibi nesneler arasındaki sınırları bulanıklaştıran faktörler bulunduğundan, nadiren tek bir doğru cevap bulunmaktadır.