AMAT: Medial Axis Transform for Natural Images

作者：Stavros Tsogkas, Sven Dickinson     University of Toronto

         27 King’s College Circle Toronto, Ontario M5S 1A1 Canada

                            {tsogkas,sven}@cs.toronto.edu

摘要

        我们引入外观-MAT（AMAT），自然图像的中轴变换概括，即框架为加权几何集合覆盖问题。我们做出以下贡献：1），我们可以扩展彩色图像之前的中间点的检测方法，通过与局部范围的中间点相关联; ⅱ）由二进制MAT的可逆性属性的启发，我们还与本地编码，使我们能够反转AMAT，重构所述输入图像的每个中间点相关联; ⅲ）我们描述一个聚类方案，该方案充分利用了附加的规模和外观的信息的分组的各个点变成内侧分支，提供底层图像区域的形状的分解。在我们的实验中，我们将展示在伯克利内侧轴（BMAX500）中间点检测状态的最先进的性能，中间轴的一个新的数据集基于BSDS500数据库，并在SK506和WH-SYMMAX数据集良好的推广。我们还测量从BMAX500重建图像，通过反演及其计算AMAT获得的质量。我们的方法提供了显着地更好的重建质量WRT 3条基线，使用图像10％的像素。我们的代码和注释可在 https://github.com/tsogkas/amat访问。

1 引言

        对称是自然界普遍存在的特性，在人的视觉当中起到行之有效的作用。人类本能地识别并使用对称性来分析复杂的场景，因为它有助于形状的编码以及它们的分辨和记忆回忆 7 ， 34 ， 52 ]。在计算机视觉的背景下， 本地  对称是particu-拉尔感兴趣的，因为它的耐用性，以视点改变及其与突出结构，例如对象部分连接。这种直觉是对的对象表示论的许多里程碑，包括广义缸[根本 10 ]，超二次曲面[ 8 ]，geons [ 9 ]，和冲击图形[ 42 ]。