Segmentación de rango

Los algoritmos de segmentación de rangos basados ​​en regiones se pueden clasificar en dos grupos principales: algoritmos de segmentación de rangos basados ​​en modelos paramétricos y algoritmos de crecimiento de regiones .

Los algoritmos del primer grupo se basan en asumir un modelo de superficie paramétrico y agrupar los puntos de datos de manera que todos ellos puedan considerarse puntos de una superficie del modelo paramétrico asumido (una instancia de ese modelo). ^{[ 1 ] [ 2 ]}

Los algoritmos de crecimiento de regiones comienzan segmentando una imagen en regiones iniciales. Estas regiones se fusionan o extienden mediante una estrategia de crecimiento de regiones. ^{[ 3 ] [ 4 ]} Las regiones iniciales se pueden obtener utilizando diferentes métodos, incluidos métodos iterativos o aleatorios. Una desventaja de los algoritmos de este grupo es que, en general, producen contornos distorsionados, ya que la segmentación suele realizarse a nivel de región en lugar de a nivel de píxel.

Los algoritmos de segmentación de rango basados ​​en bordes se basan en la detección y el etiquetado de bordes utilizando los límites de salto (discontinuidades). Aplican un detector de bordes para extraer los bordes de una imagen de rango. Una vez extraídos los límites, los bordes con propiedades comunes se agrupan. Un ejemplo típico de algoritmos de segmentación de rango basados ​​en bordes es presentado por Fan et al. ^{[ 5 ].} El procedimiento de segmentación comienza detectando discontinuidades utilizando valores de cruce por cero y curvatura. La imagen se segmenta en las discontinuidades para obtener una segmentación inicial. En el siguiente paso, la segmentación inicial se refina ajustando funciones cuadráticas cuyos coeficientes se calculan mediante el método de mínimos cuadrados . En general, una desventaja de los algoritmos de segmentación de rango basados ​​en bordes es que, si bien producen límites limpios y bien definidos entre diferentes regiones, tienden a producir huecos entre los límites. Además, para superficies curvas, las discontinuidades son suaves y difíciles de localizar, por lo que estos algoritmos tienden a subsegmentar la imagen de rango. Aunque el problema de la segmentación de imágenes de rango se ha estudiado durante varios años, la tarea de segmentar imágenes de rango de superficies curvas aún no se ha resuelto satisfactoriamente. ^{[ 6 ]}