超像素分割算法

SLIC原理与核心算法

1.具体步骤:初始化聚类中心、迭代聚类、 后续加强联通
这里写图片描述
这里写图片描述
这里写图片描述
3)后续加强联通:
在迭代结束时,会有少量的迷失像素,即少量的像素和附近较大的分割块有相同的
标签,但它们并没有被关联进去。因为迭代聚类时没有明确地加强连通性,这种情况就可能发生。因此,我们可以在算法的最后一步加强联通性,使用联通元素算法使这些像素与邻近的最大聚类标签相同。
2.为什么限制搜索范围
这里写图片描述
3.为什么用Ds
这里写图片描述
4.怎么求Ds
这里写图片描述
5.总结
SLIC算法有两大特点:限制搜索范围和全新距离测量DS。优点包括参数简单,只需要一个参数K(超像素的个数),生成的超像素大小一致,整齐紧凑,分割效果较高。缺点有超像素个数要人为确定,很大程度上依赖于经验值,会直接影响到分割效果。

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