SSS算法（Structure-Sensitive Superpixels via Geodesic Distance）

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：