论文Dinh et al. 2014峰值分割算法疑问：直方图设定影响

在论文"Dinh et al. 2014 [1]"中，作者探讨了基于峰值分割的图像分割算法在深度数据处理中的应用，特别是在人体深度估计中的应用。该算法的核心是通过直方图分析来识别峰值，然后根据经验阈值T=400（假设为人体深度的典型值）进行区域划分。在初次处理时，如图1所示，红色标记的峰值被用来将直方图分成两部分，P1和P2。 然而，提出的问题在于论文中的递归过程可能存在理解误区。在第一遍循环之后，由于P1区域内的峰值已经被处理，按照论文中提及的公式(2)和(3)，这些点不再能满足分割条件，导致后续递归无法继续寻找新的峰值。这可能是由于论文中没有明确说明直方图的bin宽度或bin个数，使得递归过程中“computethenewpeaks”的环节变得不确定。 作者提出了两种可能性来解决这个问题： 1. 固定宽度bin：如果直方图的bin宽度始终保持为1mm，那么无论何时何地进行递归，直方图的形状和峰值位置不会改变，导致递归无法按预期进行。这意味着算法中的递归逻辑实际上并未实现论文所述的递归计算新峰值的过程。 2. 固定数量bin：另一种设想是，如果采用固定bin个数（比如nbins=30），理论上可以进行递归，但实际操作中，如图3所示，递归的结果可能会与论文中展示的情况不符，因为这种方法可能导致区域划分过于粗糙，或者失去原有的峰值结构信息。 作者张琛在2015年5月7日提出了这个疑问，并给出了初步的分析。这个讨论对于理解论文中峰值分割算法的实际执行和可能存在的设计局限性至关重要，尤其是在毕业设计或类似研究中，需要确保算法的精确性和可重复性。如果要解决这个问题，可能需要重新审视论文中关于直方图处理的细节，或者寻求作者的澄清，以便调整算法实现以匹配论文中的理论描述。