基于模型和基于蒙版的图像分割的差异

Question

我在理解不同图像分割方法的差异时遇到了问题。 我偶然发现了细分技术的多种分类。 第一个基于“方法”进行分类：

• 基于像素的分割=>分割图像而无需查看体素的任何邻居。
• 基于区域的归类=>通过获取帐户下的邻近体素/像素对图像进行分割。
• 基于边缘的分割=>对图像进行分割，而不查看像素，而是查看图像的边缘。
• 基于模型的细分=>带有关于具有顶点模型的对象的先验信息的细分。这些方法可以将体素拆分为子体素，以更好地表示原始对象。

基于用户交互的第二个： -手动分割 -半自动分段（例如LiveWire） -基于人工智能/神经网络的自动细分。

我是否正确理解，第一分类的前三种方法：基于像素，基于区域和基于边缘的所有方法都可以归类为“基于掩码的分割”技术？这些技术对每个体素进行分割。体素属于或不属于片段。没有子体素。

如果这是正确的话，那么与基于模型的图像分割技术相比，这些基于掩模的分割技术与基于网格的分割（可以创建子体素）形成对比吗？

那我能说吗？ ：

 Model-based                           Mask based
   .....                     pixel based /  region based/  edge based
 (e.g active contours)      (e.g thresholding) / (e.g. region growing) / (..)