论文标题:
Structure-Sensitive Superpixels via Geodesic Distance
作者:
Peng Wang · Gang Zeng · Rui Gan ·
Jingdong Wang · Hongbin Zha
(没找到是什么期刊的。。。)
算法:
流程:
1. 均匀且避开边界位置设置seeds。
2. 迭代:
① 划分每个像素所属的superpixel
② 更新superpixel中心点,使Energy最小
迭代终止条件:
①. Energy变化值小于阈值
②. 迭代次数达到迭代上限
ps:
最后一次迭代过程中,分解较小的superpixel,使用其余的seeds构建superpixel。
Geogedis Distance:
geodesic distance 根据梯度控制大小,并且排除低强度边干扰。
D(x)通过计算图像纹理结构表示增量。
E(x)表示标准化图像梯度。
图像复杂,梯度大,E(x)大,D(x)大,Dg(xi,xj)大,则superpixel小。
高斯滤波这个过程很重要,不然对纹理太敏感不利于分割。
Structure Penalization:
限制每个superpixel的Structure。
Structure:
注意并不是面积约等于,而是D(x)的积分。
纹理复杂区域范围小,平坦区域范围大。
Al > A均值时,更改geogedis distance: