包括的なクラスタリングによるセグメンテーションの意味

セグメンテーションは、言葉としては、画像内に存在されているオブジェクトを分類するための手段、それは多くの理論や方法論を持って、我々は画像内のオブジェクトを認識するようにしたいと仮定し、その代わりに、個別に処理するためにあまりにも多くのピクセルがされておりますが、必要コンパクトな要約表現に関するいくつかのフォームのような。

表面的にはこれらの異なる方法がいくつかのように見えるかもしれないが、この記事では、セグメンテーションのクラスタリングの意味を実証する、すべての読者のため複雑な方法について説明します。

セグメンテーションの一つ、自然の見方は、我々は、データの構成要素は自然に属しているセットを決定しようとしているということです。これは、クラスタとして知られている問題です。
我々は2つの方法でクラスタ化できます：

パーティション分割は：ここでは、大きなデータセットを持っており、それは、セット内の項目間の関連付けの概念にしたがってカーブ。我々は、我々のモデルに応じて優れている部分にそれを分解したいと思います。例えば、我々はコヒーレント色と質感を持っている領域にイメージを分解することができます。

- Groupingは：この部分で我々は個別のデータ項目を持って、私たちは一緒に意味をなさないデータ項目のセットを収集したいと思います。

ここで重要なのは表現が当面の問題に適しているかを判断することです、我々は領域分割手法は、ピクセルが一緒に属し、どのしないを決定する必要がありますかの条件で知っておく必要があります。

かつて我々は衛星画像の建物を見つけること、魔法使いの人々を見つけることは非常にクラスタリングを使用することがあります一部のアプリケーションで役立つ可能性があるクラスタリングすることにより、我々のアプリケーション、セグメンテーションのどのクラスタ法に適しだけでなく、要約ビデオ、または機械部品を見つけることを決定：これらは行わと線分で組み立てることができるし、ポリゴンに行をアセンブルするエッジ点のコレクションを見て。

イオンメソッドは、ピクセルが一緒に属し、どのしない決定する必要があります。

かつて我々は衛星画像の建物を見つけること、魔法使いの人々を見つけることは非常にクラスタリングを使用することがあります一部のアプリケーションで役立つ可能性があるクラスタリングすることにより、我々のアプリケーション、セグメンテーションのどのクラスタ法に適しだけでなく、要約ビデオ、または機械部品を見つけることを決定：これらは行わと線分で組み立てることができるし、ポリゴンに行をアセンブルするエッジ点のコレクションを見て。

それは面白いものとされていないアプリケーションに依存して、セグメント化の包括的な理論がない、少なくともことができることを確認するのは難しいが、執筆時点でのセグメンテーションの包括的な説がある。

クラスタリングは、さらにクラスタリングになり、データセットがクラスタに置き換えされるプロセスです上記の定義されているので、それは別の意味をクラスタリングの分割を考えるのが自然である：彼らは同じ色、同じ質感があるためピクセルは、一緒に属している可能性があります彼らは近くなどにあります。としてクラスタリング手法のいくつかだけでなく、：グラフ理論的クラスタリングによるK -手段、セグメンテーションによるクラスタリング。