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。
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
最低0.47元/天 解锁文章
扫一扫
2600
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
