为什么SLIC算法得到的超像素个数和预期的不一致

SLIC算法在不同实现中得到的超像素个数可能与预期不符,这涉及到初始化聚类中心的步骤和后续的处理。VL_Feat库中的实现可能因对小像素的合并和精度取舍导致差异。Xu的改进版通过SID-SAM距离和调整m的范围优化了这一问题。实验表明,实际得到的超像素个数并不总是理想值,且可能为平方数。不同的程序实现对初始种子点的计算方法差异是主要原因。
摘要由CSDN通过智能技术生成

为什么SLIC代码得到的超像素个数和预期的不一致

VL_Feat库中的SLIC代码由Andrea Vedaldi给出,Xu于2017年提出的带有部分改进的针对高光谱图像的SLIC算法,将欧氏距离改为SID-SAM距离,并将规则化参数m的范围限制在0到1之间。它们的主体步骤仍是一样的,但得到的超像素个数有所不同,除了暗含的对小像素的合并以外,具体程序实现中对精度的取舍也有影响。
Xu的代码:https://github.com/Vikki23/SLIC_for_hyperspectral_images

原始SLIC算法流程

SLIC算法为每个像素设计的表示特征的向量

Ψ ( x , y ) = [ λ x λ y I ( x , y ) ] \Psi(x,y) =\left[\begin{array}{c}\lambda x \\ \lambda y \\ I(x,y)\end{array}\right] Ψ(x,y)=λxλy

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值