基于超像素谱聚类图像分割算法.ppt
- erterye个人认证 |
- 2020-07-17 发布|
- 3.11 MB|
- 21页
小组学习汇报
报告人:周静波
南京理立大学
2011年5月27日
University nf Sience 报告提纲
基于超像素的谱聚类图像分割算法
二.显著性方法 问题的提出
谱聚类算法属于图论的范畴,因此不可避免地会存在图论
分割算法的缺点,即随着图中节点数的增大,问题的求解
将变得异常费时。由于谱聚类算法将图像的每一个像素点
看做图中的一个节点,图像越大,节点越多,求解越困难。
另外,谱聚类包含对成对相似矩阵进行特征分解,对一幅
像素点总数为n的图像来说,成对相似矩阵的维数为n*n。
图像较大时,一般计算机无法存储谱聚类算法需要的成对
相似矩阵。因此,谱聚类算法不适合对较大的图像进行分
割,限制了谱聚类算法在图像分割中广泛应用。降低图像
的分辨率可以减少图的节点数和相似矩阵的维数,但是同
时也会导致图像信息的丢失,降低了分割的精度。 相关工作
Sh从图论的角度提出了标准分割( Normalized cut)方法
该算法最先将谱聚类算法应用到图像分割当中。标准分
割算法先降低图像的分辨率,然后利用谱聚类算法进行分
Chang等人结合鲁棒的统计方法提出了基于通道的谱聚类
图像分割算法,该方法提出一种新的度量方法来计算像素
点之间的相似性,提高谱聚类算法在图像分割中的分割精
Fowlkes在标准分割框架下通过利用 Nystrom估计来解决计
算机存储问题。该方法在图像像素的子集与整个图像之间
计算成对相似性来对图像进行分割,虽然一定程度上缓解
了计算机存储问题,但是分割的精度比较差
·Lihi等提出在谱聚类算法中利用局部尺度来计算像素点之
间的相似性,减少谱聚类算法的参数个数。 相关工作
Frederick Tung提出将图像分割成32*32的子图像,每个子
图像之间存在一定的重叠。在每一个子图像上面采用谱聚
类对像素点进行分割,然后通过随机整体一致算法对子图
像进行合并得