Computer vision 基于先验的图像分割

我手头有个问题，我的图像是由奇怪的物体组成的，这些物体不一定有闭合的轮廓。（更像平原背景上的河流和沟渠）

我还收到了一组来自不同河流的相同大小的先前图像，它们的总体方向和结构与我正在研究的河流相匹配，而它们在图像中的位置可能会偏离

我正在寻找一种图像分割方法，（理论或实践，我真的在寻找线索开始），它可以实际使用我的一组先前的例子分割我的河流。在我的例子中，图像中可能存在多条方向相同的河流

---

我还对统计表示这些复杂结构的方法非常感兴趣。例如，如果它不是河流图像（二值图像），并且我知道它具有高斯结构，那么我可以使用示例估计的协方差中的信息。但在二元或三元图像中，我不能

以下是图像分割的概要

在河流内部的一个小区域（可能是一个矩形）取样，假设它们属于前景，并提供关于其颜色分布的良好估计。你应该有一个算法，可以找到一个小区域内的河流与高置信度，也许这个算法可以训练你的数据

由于您对背景知之甚少，因此最好选择位于图像帧上的像素作为背景像素

---

其思想是使用这些预先选择的前景和背景像素作为分割算法中的种子。选择种子是用于分割的图切割算法中最重要的部分，一旦有了好的种子，分割就会或多或少正确。在线上有大量关于如何使用图切割进行分段的文献/代码。

让我们从开始，这样您就可以发布一些有关Stackoverflow的初步结果，以帮助潜在的回答者了解该项目中出现的困难类型。一般来说，你必须展示大量的工作（代码、示例图像、技术难点等），才能提出回答者希望看到的有关Stackoverflow的问题。请给出一些你拥有的priolr图像的示例。也为要进行搜索的输入图像提供相同的设置。