超像素分割算法研究：SLIC分割算法原理讲解
簡(jiǎn)介：最近項(xiàng)目使用到了超像素分割，因此順道研究了以下SLIC這一算法。超像素分割這類low-level vision問(wèn)題已經(jīng)在CVPR，ICCV這種頂級(jí)會(huì)議上逐漸銷聲匿跡，越來(lái)越流行的learning method漸漸占據(jù)了這些頂級(jí)會(huì)議90%的篇幅。本文講解的SLIC是2010年提出的一種十分簡(jiǎn)單的超分辨分割算法，原理簡(jiǎn)單、便于實(shí)現(xiàn)。
一.SLIC(simple linear iterative clustering）原理分析
初始化種子點(diǎn)（聚類中心）：按照設(shè)定的超像素個(gè)數(shù)，在圖像內(nèi)均勻的分配種子點(diǎn)。假設(shè)圖片總共有 N 個(gè)像素點(diǎn)，預(yù)分割為 K 個(gè)相同尺寸的超像素，那么每個(gè)超像素的大小為N/ K ，則相鄰種子點(diǎn)的距離（步長(zhǎng)）近似為S=sqrt(N/K)。
在種子點(diǎn)的n*n鄰域內(nèi)重新選擇種子點(diǎn)（一般取n=3）。具體方法為：計(jì)算該鄰域內(nèi)所有像素點(diǎn)的梯度值，將種子點(diǎn)移到該鄰域內(nèi)梯度最小的地方。這樣做的目的是為了避免種子點(diǎn)落在梯度較大的輪廓邊界上，以免影響后續(xù)聚類效果。
在每個(gè)種子點(diǎn)周圍的鄰域內(nèi)為每個(gè)像素點(diǎn)分配類標(biāo)簽（即屬于哪個(gè)聚類中心）。和標(biāo)準(zhǔn)的k-means在整張圖中搜索不同，SLIC的搜索范圍限制為2S2S，可以加速算法收斂，如下圖。在此注意一點(diǎn)：期望的超像素尺寸為SS，但是搜索的范圍是2S*2S。
距離度量。包括顏色距離和空間距離。對(duì)于每個(gè)搜索到的像素點(diǎn)，分別計(jì)算它和該種子點(diǎn)的距離。距離計(jì)算方法如下：
其中，dc代表顏色距離，ds代表空間距離，Ns是類內(nèi)最大空間距離，定義為Ns=S=sqrt(N/K)，適用于每個(gè)聚類。最大的顏色距離Nc既隨圖片不同而不同，也隨聚類不同而不同，所以我們?nèi)∫粋€(gè)固定常數(shù)m（取值范圍[1,40],一般取10）代替。最終的距離度量D’如下：
由于每個(gè)像素點(diǎn)都會(huì)被多個(gè)種子點(diǎn)搜索到，所以每個(gè)像素點(diǎn)都會(huì)有一個(gè)與周圍種子點(diǎn)的距離，取最小值對(duì)應(yīng)的種子點(diǎn)作為該像素點(diǎn)的聚類中心。
迭代優(yōu)化。理論上上述步驟不斷迭代直到誤差收斂（可以理解為每個(gè)像素點(diǎn)聚類中心不再發(fā)生變化為止），實(shí)踐發(fā)現(xiàn)10次迭代對(duì)絕大部分圖片都可以得到較理想效果，所以一般迭代次數(shù)取10。
增強(qiáng)連通性。經(jīng)過(guò)上述迭代優(yōu)化可能出現(xiàn)以下瑕疵：出現(xiàn)多連通情況、超像素尺寸過(guò)小，單個(gè)超像素被切割成多個(gè)不連續(xù)超像素等，這些情況可以通過(guò)增強(qiáng)連通性解決。主要思路是：新建一張標(biāo)記表，表內(nèi)元素均為-1，按照“Z”型走向（從左到右，從上到下順序）將不連續(xù)的超像素、尺寸過(guò)小超像素重新分配給鄰近的超像素，遍歷過(guò)的像素點(diǎn)分配給相應(yīng)的標(biāo)簽，直到所有點(diǎn)遍歷完畢為止。
二.偽算法描述
/? Initialization ?/ Initialize cluster centers Ck = [lk , ak , bk , xk , yk ]T by sampling pixels at regular grid steps S. Move cluster centers to the lowest gradient position in a 3 × 3 neighborhood. Set label l(i) = ?1 for each pixel i. Set distance d(i) = ∞ for each pixel i.repeat /? Assignment ?/ for each cluster center Ck dofor each pixel i in a 2S × 2S region around Ck do Compute the distance D between Ck and i.if D < d(i) thenset d(i) = Dset l(i) = k end ifend for end for/? Update ?/ Compute new cluster centers. Compute residual error E. until E ≤ threshold三.參考博文
1.https://github.com/laixintao/slic-python-implementation
2.https://blog.csdn.net/zhj_matlab/article/details/52986700
3.https://blog.csdn.net/electech6/article/details/45509779
總結(jié)
以上是生活随笔為你收集整理的超像素分割算法研究：SLIC分割算法原理讲解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： Linux：linux终端命令关闭pyc
- 下一篇： 幅频特性曲线protues_短学期--功