基于超像素的谱聚类图像分割算法.pptVIP

相关工作 Shi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割。 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度。 Fowlkes在标准分割框架下通过利用Nystr?m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到初始分割，最后采用谱聚类算法对初始分割进行聚类。这种方法有效的解决了计算机存储问题，算法的空间复杂度为 。 缺点：该方法需要对每一块子图像作一次谱聚类，并且采用随机整体一致算法对有重叠的子图像进行合并，因此增加了整体算法的时间复杂度，降低了该方法的实用性。 本文算法 本文利用超像素算法先对图像进行初始分割，