Real-Time Image Segmentation Using a Fixation-Based Approach
Author
Grossmann, Bjarne
Term
4. term
Publication year
2012
Submitted on
2012-05-30
Pages
120
Abstract
Dette speciale forfiner Mishra m.fl.s fikseringsbaserede metode Active segmentation with fixation, så den kan køre i et robotisk realtidssystem. I stedet for at opdele hele billedet i mange dele, efterligner metoden den menneskelige synsproces ved kun at skille det område ud, som systemet “kigger på” (fikseringspunktet), fra resten af billedet. En vigtig del er at udføre segmenteringen i polære koordinater omkring fikseringspunktet, dvs. ud fra vinkler og afstande. Specialet udvikler en ramme med flere optimeringer og udvidelser af den oprindelige metode. Hovedgrebet er at mindske afhængigheden af kantdetektering (at finde billedets kanter) ved at tilføje et ekstra trin med GrabCut-algoritmen, som er en segmenteringsmetode der kræver startoplysninger om for- og baggrund. Derfor undersøges det, hvordan man omsætter et enkelt fikseringspunkt til de signaler, GrabCut behøver. Løsningen er at bruge den oprindelige metode som et mellemliggende trin, der producerer disse oplysninger til GrabCut. Resultatet er en mere afbalanceret og robust algoritme, der er hurtig nok til brug i robotters realtidssystemer.
This thesis refines Mishra et al.’s fixation-based method Active segmentation with fixation to run on a robotic real-time system. Instead of dividing the whole image into many parts, the method imitates human vision by separating only the region at the current fixation point from the rest of the image. A key idea is to perform segmentation in polar coordinates around the fixation, using angles and distances. The thesis introduces a framework with several optimizations and extensions of the original approach. The main step reduces sensitivity to edge detection (finding boundaries) by adding the GrabCut algorithm as an extra optimization. GrabCut is a segmentation method that needs initial foreground/background cues, so the work examines how to translate a single fixation point into the information GrabCut requires. The solution is to use the original method as an intermediate step to generate these cues. The result is a more balanced and robust algorithm that is fast enough for use in robotic real-time systems.
[This abstract was generated with the help of AI]
Keywords