SLIC Superpixels 算法学习笔记
来源:互联网 发布:it行业进销存软件 编辑:程序博客网 时间:2024/05/21 14:06
算法流程梳理如下:
原文下载:http://www.kev-smith.com/papers/SLIC_Superpixels.pdf
1、初始化:
- 通过对图像像素进行抽样,初始化k个聚类中心C_k ,步长为初始化聚类大小S,即将图像分为k个网格,取每个网格中心为初始聚类中心;
- 初始化每个像素点的标签lable为-1,每个像素点与聚类中心的距离distance为无穷大。
2、对初始化的聚类中心进行移动:
在该聚类中心相邻的8个像素点中,找到最小梯度方向,并将该点设为新的聚类中心,直至聚类中心不再变化。
3、Assignment Step
对每个聚类中心点C_k ,考虑以该点为中心的2S*2S的邻域范围中的所有像素点,计算每个点与C_k的距离D
(其中,m为设置的色彩与空间成分的比重参数)
如果D’<’distance(i),则赋值distance(i)= D,赋值该点标签lable为k值。
4、更新聚类中心
对k个聚类中心点进行更新,找到所有标签lable值为k的点,求其平均值,得到新的聚类中心。
5、计算剩余误差
计算剩余误差E,通过迭代3、4两步,直至E满足条件为止。
6、后处理步骤
用连通性将独立点归至超像素。
理解
在计算某点属于哪一超像素时,第一次考虑时,在C1的域中,会得到它属于超像素C1,但是当在C2的域中考虑时,会得到该点更可能归属于C2,那么该点就应该属于超像素C2。这样,计算完之后,大多数点都归属于最可能的超像素中。
0 0
- SLIC Superpixels 算法学习笔记
- SLIC Superpixels 算法代码学习笔记
- 《SLIC Superpixels》阅读笔记
- 《SLIC Superpixels》阅读笔记
- 《SLIC Superpixels》阅读笔记
- Improved SLIC 算法学习笔记
- 图像处理: 超像素(superpixels)分割 SLIC算法
- SLIC与目前最优超像素算法的比较 SLIC Superpixels Compared to State-of-the-art Superpixel Methods
- SLIC Superpixels Compared toState-of-the-Art Superpixel Methods
- SLIC Superpixels Compared to State-of-the-Art Superpixel Methods
- Manifold SLIC A Fast Method to Compute Content-Sensitive Superpixels
- 机器学习:simple linear iterative clustering (SLIC) 算法
- SLIC算法 超像素 superpixel
- SLIC超像素生成算法
- SLIC超像素分割算法
- SLIC
- SLIC超像素(superpixel)算法
- SLIC图像超像素分割算法解析
- 第六章:JavaScript面向对象编程
- Android SVG 矢量动画机制
- JAVA 高级报表导出Excel
- 算导--7.4-5改进的快排
- CodeForces 625A - Guest From the Past
- SLIC Superpixels 算法学习笔记
- java7新特性之Enhanced syntax for numeric literals
- Failed to notify ProjectEvaluationListener.afterEvaluate(), but primary configuration failure takes
- android Handler详细使用方法实例
- 113. Path Sum II LeetCode
- 电话录音机实现
- CodeForces 625B - War of the Corporations
- root = Tk() 和 root = Tkinter.Tk() 区别
- html5和css篇有关浮动以及如何清除浮动