最大流问题的一致估计：面向无监督图像分割
计算机视觉与模式识别
2019-07-02 v2 图像与视频处理
摘要
基于图像的复杂生物与制造过程诊断的进展，使无监督图像分割成为实现自动化、实时决策的关键。然而，大多数现有无监督分割方法要么计算复杂，要么需要手动选择参数（例如最大流/最小割分割中的流容量）。本工作中，我们提出一种完全无监督的分割方法，使用图像域上的连续最大流公式，同时从图像特征中最优估计流参数。更具体地，我们证明在已知流容量时，图像标签的最大后验估计可表述为连续最大流问题。随后通过采用一种新颖的马尔可夫随机场先验，迭代获得流容量。我们给出理论结果以确立流容量的后验一致性。我们在两个真实案例（包括脑肿瘤图像分割与增材制造部件中基于电子显微图像的缺陷识别）上比较了本方法性能。与多种最先进的有监督及无监督方法的对比结果表明，本方法与有监督方法统计性能相当，但相较最先进的无监督方法 Dice 分数提升超过 90%。
引用
@article{arxiv.1811.00220,
title = {Consistent estimation of the max-flow problem: Towards unsupervised image segmentation},
author = {Ashif Sikandar Iquebal and Satish Bukkapatnam},
journal= {arXiv preprint arXiv:1811.00220},
year = {2019}
}