美國麻省理工學院的研究人員開發(fā)出了一種新的圖像分割算法，可將傳統分割算法的效率提高上萬倍。該研究將有助于改善醫(yī)療成像系統的識別精度并實現對特定3D物體的連續(xù)跟蹤識別。當我們推開窗戶向外張望時，馬上就能看到汽車、人行道、行人或者遠處高大的建筑。這在計算機領域中被稱為視覺識別，對人類來說毫無難度，但對計算機視覺識別技術來說卻是個難以解決的核心問題。

因為計算機并不明白兩個不同物體有什么不同，所以就必須將圖像分割開來，告訴計算機每個物體的邊界在哪里，用來解決這個問題的算法就被稱為圖像分割算法。

在圖像分割算法上，最原始也最傳統的算法是使用大量的猜測并通過計算進行匹配和排除。這種算法雖然也能達到目的，但效率低而且占用資源巨大。由麻省理工學院電子工程及計算機科學學院的詹森-張和計算機科學與人工智能實驗室(CSAIL)的約翰-費舍爾開發(fā)的這套算法就能解決這一問題，他們宣稱新算法可將傳統算法的效率提高上萬倍。

張說，圖像分割之所以成為一個難題是因為它并沒有一個唯一的正確答案。向10個人進行詢問有可能會得到10種不同的回答。因此，他們希望能開發(fā)出一種與人類理解方式類似的圖像分割算法。

?

對特定3D物體的連續(xù)跟蹤識別

為達到這一目的，詹森-張和費舍爾的算法從兩個方面進行分割以實現平衡。首先以顏色為標準進行分割，按照顏色的不同來確定物體的邊界;另外，以模糊算法通過簡單化的原則對物體形狀進行區(qū)分。

實驗結果顯示，雖然其他研究人員也都采取了與此大致相同的辦法，但由于他們的初衷只為找到最適合的唯一的圖像分割結果，所以運算強度大，效率自然較低;而新算法因考慮到了多種不同分割的可能，可以用較小的精度進行高效率的運算。雖然存在不少匹配精度較低的分割，但新算法最終仍能快速找到最優(yōu)匹配結果。

美國佐治亞理工學院計算機工程學教授安東尼·伊澤爾說：“在圖像分割領域有很多種新的方法，所以也不好說這種分割法會讓整個領域發(fā)生變革。但應該肯定的是新算法非常有趣，我認為可以將其算作是一個里程碑。該技術可以用于物體的跟蹤，甚至它還能用來識別隨著時間的流逝外形發(fā)生變化的腫瘤。通過模式匹配，該技術還能夠實現對不同角度不同光線下物體的精確識別?！?/p>