範囲分割

領域ベースの範囲分割アルゴリズムは、さらに大きく2つのグループに分類できます。それは、パラメトリックモデルベースの範囲分割アルゴリズムと、領域拡張アルゴリズムです。

第１グループのアルゴリズムは、パラメトリック曲面モデルを仮定し、データポイントをグループ化して、それらすべてを仮定されたパラメトリックモデル（そのモデルのインスタンス）の曲面の点とみなせるようにすることに基づいています。 ^{[ 1 ] [ 2 ]}

領域拡張アルゴリズムは、まず画像を初期領域に分割することから始まります。これらの領域は、領域拡張戦略を用いて結合または拡張されます。^{[ 3 ] [ 4 ]}初期領域は、反復法やランダム法など、さまざまな方法で取得できます。このグループのアルゴリズムの欠点は、一般的に、セグメンテーションがピクセルレベルではなく領域レベルで行われるため、境界が歪むことです。

エッジベースのレンジセグメンテーションアルゴリズムは、エッジ検出とジャンプ境界（不連続点）を使用したエッジのラベリングに基づいています。これらのアルゴリズムは、エッジ検出器を適用してレンジ画像からエッジを抽出します。境界が抽出されると、共通の特性を持つエッジがクラスタリングされます。エッジベースのレンジセグメンテーションアルゴリズムの典型的な例は、Fan らによって提示されています^{[ 5 ]} 。セグメンテーション手順は、ゼロ交差と曲率値を使用して不連続点を検出することから始まります。画像は不連続点でセグメント化され、初期セグメンテーションを取得します。次のステップでは、最小二乗法に基づいて係数が計算される二次関数をフィッティングすることにより、初期セグメンテーションが洗練されます。一般に、エッジベースのレンジセグメンテーションアルゴリズムの欠点は、異なる領域間の境界がきれいで明確に定義されているものの、境界間にギャップが生じる傾向があることです。さらに、曲面の場合、不連続点は滑らかで見つけにくいため、これらのアルゴリズムはレンジ画像を過小セグメント化する傾向があります。距離画像のセグメンテーション問題は長年研究されてきたが、曲面の距離画像をセグメンテーションするタスクはまだ満足に解決されていない。^{[ 6 ]}