SLIC算法(Simple Linear Iterative Clustering)
来源:互联网 发布:淘宝收藏加购有什么用 编辑:程序博客网 时间:2024/05/29 09:12
论文标题:SLIC Superpixels Compared to State-of-the-art Superpixel Methods
作者:Radhakrishna Achanta, Appu Shaji, Kevin Smith,Aurelien Lucchi, Pascal Fua, and Sabine Süsstrunk (EPFL)
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence (ISSN: 0162-8828), vol. 34, num. 11, p. 2274 - 2282
算法:
1. 对N个像素的图片,设置k个以某像素为中心的S*S的聚类,
S=sqrt(N/k)
移动中心至 3*3 范围内梯度值最小的像素点。
2. 对N个像素计算在 2S*2S 范围内的聚类中心点的距离,并将该像素点归入距离最近的聚类。
3. 对k个聚类中心点进行更新,更新至聚类包含的像素点均值。
4. 迭代 2,3 步骤,直到中心点不再移动,一般迭代10次。
5. “孤儿”像素强制连接
颜色以LAB颜色空间计算
距离计算公式:
其中Nc为颜色最大距离,Ns为空间最大距离。Ns即是S,固定Nc为m,则
由上公式可知,m越大,空间距离贡献越大;m越小,颜色距离贡献越大。
时间复杂度: o(4Nl) ,N为像素个数,l为迭代次数
总结:SLIC是第一个接触的Superpixel算法,算法本身并不复杂,但很高效,采用颜色和空间作为特征值,使用k-means框架进行聚类。与k-means不同在于以2S*2S作为搜索范围,非常有效地提高了算法复杂度。算法代码可以在论文作者主页下载,但是代码中缺少一些细节操作,移动中心至梯度最小像素(这点毕竟不是该算法的创新点)。
问题:SLIC无法切出细长结构的物体,即SLIC切出的superpixel之间大小与形状相似,这样的设定是否影响Superpixel质量?
强制连接“孤儿”像素的方式是否存在缺陷?
阅读全文
0 0
- SLIC算法(Simple Linear Iterative Clustering)
- 机器学习:simple linear iterative clustering (SLIC) 算法
- BIRCH(Balanced Iterative Reducing and Clustering Using Hierarchies)
- linear system iterative
- SLIC超像素(superpixel)算法
- SLIC超像素(superpixel)算法
- SLIC超像素(superpixel)算法
- SLIC超像素(superpixel)算法
- 算法导论 Algorithms 01 - 线性回归 Simple linear regression
- 谱聚类(Spectral Clustering)算法
- SLIC超像素分割算法研究(代码可下载)
- 1- Simple Linear Model
- simple linear regression详解
- IPFP(iterative proportional fitting procedure)算法实现
- ICP算法(Iterative Closest Point)及VTK实现(改)
- ID3(Iterative Dichotomiser 3)算法原理详解
- SLIC算法 超像素 superpixel
- SLIC超像素生成算法
- Tomcat配置用户名和密码
- yii的CURD(创建、修改、读取、删除)操作
- 数据结构-双向链表
- Spring 入门实例 简易登录系统(精通Spring+4.x++企业应用开发实战 学习笔记一)
- 对象序列化成JSON格式
- SLIC算法(Simple Linear Iterative Clustering)
- 企业互联网转型何以防骗?看中企动力数字化智能经营
- 数据库day02
- MDK中ARM编译工具的原理
- Redis入门
- Media query 详解 响应式页面
- Netty 源码分析之 一 揭开 Bootstrap 神秘的红盖头 (服务器端)
- PHP实现微信申请退款
- Ubuntu opencv的使用