基于双层稀疏性编码的区域标签方法.pptVIP

* back * * * * * 用不同的方法测量一个分组的特性，通常我们希望在一个分组中的元素是相似的，在不同分组中的元素特性是相异的，这说明在同一个分组中连接两个顶点的边的权值相对较小，连接在不同分组中的点边的权值较大 基于图的图像分割 定义一个谓词测量两个分组边缘的元素的相异程度相对于测量分组内相邻元素的相异程度 定义一个分组C V的内部差异为这个分组内最小生成树的最大权值MST（C,E）Int(c)=max(c) 定义两个分组C1，C2，其间的差异为连接两个部分的边中权值的最小值Dif(C1，C2)=min（Vi，Vj） 基于图的图像分割 区域比较谓词通过检测分组之间的差异相对于内部差异，是否比其中一个大来判断是否有边界 其中Mint(C1，C2)=min(Int(C1)+ τ(C1),Int(C2)+ τ(C2) )， 阀值函数τ控制两个分组之间差异比他们内部差异大的程度，这样是为了判断两个分组之间是否有边界。极端情况下，当C是一个点时， Int(C)=0 基于图的图像分割 算法中采用了一个与区域大小相关的阈值函数： τ(C)=k /︱C︱ k是一个常数，事实上，k代表着一个感官上的度量，k较大则倾向于分出的区域更大。经过试验对比，取k=300，C取320×240时效果最好。 基于图的图像分割 算法流程 算法流程 例子 不仅能捕捉到一定的重要的非局部图像特