鲁棒形状规则性准则用于超像素评估.pdfVIP

鲁棒形状规则性准则用于超像素评估.pdf

鲁棒形状规则性准则用于超像素评估

RémiGiraudVinh-ThongTaNicolasPapadakis

Univ.Bordeaux,LaBRI,CNRS,UMR5800,F-33400Talence,France.

Univ.Bordeaux,IMB,CNRS,UMR5251,F-33400Talence,France.

BordeauxINP,LaBRI,UMR5800,F-33405Talence,France.

ABSTRACT[6,15,7,8,9,11]以生成具有不同规则性的超像素，这

可能会影响特定应用的性能。因此，寻找最优结果和方

规则分解对于大多数基于超像素的目标识别或跟踪应

本用是必要的。迄今为止，在文献中，超像素形状的规法之间的比较应该在多个规则性设置[17]下进行。此

外，大多数超像素分解方法计算的是轮廓一致性和形

译则性或紧凑性主要通过其圆形度来衡量。在本工作中，

状紧凑性之间的权衡。因此，规则性是一个可以用来

中我们首先证明这种测量不适用于超像素评估，因为它

对比具有相似轮廓一致性性能的分解的方法论参数。

3并不能直接表达规则性而是圆形单一外观。然后，我

v因此，清晰地定义和测量规则性是评估超像素方法所

6们提出了一种新的指标，该指标考虑了几何形状规则

4性的几个方面：凸性、平衡分布和轮廓平滑度。最后，必需的。

1在超像素文献中，规则性概念通常称为紧致性，

7我们展示了我们的测量方法对于尺度和噪声具有鲁棒

0主要通过圆形度量[17]进行评估。尽管自那时以来圆

.性，并能够更相关地比较超像素方法。

3形度量已在许多作品[18,15,10,11]和大型基准测试

0IndexTerms—超像素，紧致性，质量度量

9[19,20]中被考虑，文献中通常将规则性定义为生成具

1有非噪声边界的凸形状的能力。此外，对于跟踪应用，

v目标是在分解之间找到一对一的超像素关联，因此凸

i1.介绍

r形状应具有平衡的像素分布并且紧凑性应该较高。在

a图像分解为均匀区域，称为超像素，已成为许多[7]中还讨论了圆形度量因为它不认为正方形是高度

图像处理和计算机视觉框架中非常流行的预处理步规则的形状。图1比较了使用[6]计算的两种分解，其

骤。对于大多数基于超像素的应用程序，如对象识别初始网格分别为正方形和六边形。尽管两种形状都应

[1,2]、跟踪[4,5]或标注[3]，需要使用规则分解[6,7,被视为规则的，但六边形提供了更高的圆形度量。由

8,9,10,11]，其中超像素大致具有相同的大小和规则于大多数方法从一个正方形网格开始并通过迭代细化

形状。通过这种规律性，可以计算出准确的超像素特超像素边界，因此对于正方形分解来说高规则性是有

征，并从它们的边界中提取相关信息，而对于不规则意义的，并且需要有一个与紧凑性参数演化一致的测