SLIC与目前最优超像素算法的比较外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

SLIC与目前最优超像素算法的比较

摘要

近些年来，计算机视觉应用日益依赖超像素，但并不总是清楚什么是好的超像素算法。 为了了解现有方法的优点和缺点，我们比较了目前最好的五种超像素算法，比较的指标为图像边界的粘附性，算法速度，存储效率，以及它们对分割性能的影响。 然后我们介绍一种新的超像素算法，简单的线性迭代聚类（SLIC），它采用k均值聚类方法来高效地生成超像素。尽管如此简单，但SLIC较以前的算法可以更好地获取边界。同时，它具有更快的速度，更高的内存效率，并且能提高分割性能，也可以直接扩展到超体元生成。

关键词 - 超像素，分割，聚类，k-means

图1.使用SLIC将图像分割成大小(大约)为64，256和1024的超像素。

1.引言

超像素算法将像素组合成感知有意义的原子区域( atomic regions)，其可以用于替换像素网格的刚性结构。它们捕获图像冗余，提供计算图像特征的方便原语( primitive )，并且大大降低了后续图像处理任务的复杂性。它们已经成为许多计算机视觉算法的关键构建块，如PASCAL VOC挑战中的多类对象分割[9]，[29]，[11]，深度估计[30]，分割[16]，身体模型估计[22]和对象定位[9]。

目前存在许多产生超像素的方法，每种具有其自身的优点和缺点，可更好地适合于特定应用。例如，如果遵守图像边界是至关重要的，[8]的基于图的方法可能是一个理想的选择。然而，如果超像素用于构建具有更规则的晶格的图形(lattice)，[23]可能是更好的选择。虽然很难定义指标来判断算法的优劣性，但我们相信以下属性通常是可取的：

1）超像素应当良好地粘附到图像边界。

2）当作为预处理步骤用于降低的计算复杂度时，超像素应当快速计算，存储 器效率高且易于使用。

3）当用于分割目的时，超像素应当增加速度并提高结果的质量。

因此，我们对五个最先进的超像素方法进行了比较[8]，[23]，[26]，[25]，[15]，评估他们的速度，连接图像边界的能力还有分割性能。我们还提供这些和其他超像素方法的定性分析。我们的结论是，现有的方法不能在所有方面都令人满意。

为了解决这个问题，我们提出了一种新的超像素算法：简单线性迭代聚类（SLIC），它采用kmeans聚类以类似于[30]的方式生成超像素。虽然非常简单，但是SLIC在Berkeley基准[20]上产生显示出对图像边界的最好效果，并且在PASCAL[7]和MSRC[24]数据集上进行分割时优于现有方法。此外，它比现有方法更快，更高的存储效率。除了这些可量化的好处，SLIC还易于使用，更为的紧凑，其生成的超像素数量也更灵活，还可直接扩展到更高的维度，并且是免费使用的(意思是代码是开源的)。

2.现有的超像素生成算法

用于生成超像素的算法可以大致分类为基于图或梯度上升的方法。下面，我们回顾每个类别常见的超像素方法，包括一些最初设计不是为了生成超像素的算法。表I提供了所研究方法的定性和定量总结，包括其相对性能

表1.现有的超像素算法综述

超像素法粘附到边界的性能可以在伯克利数据集[20]中进行评估，其可以根据两个标准度量进行排名：欠分割误差和边界回忆（对于〜500超像素）。 我们还展示了使用具有2GB RAM的Intel双核2.26 GHz处理器分段图像所需的平均时间，以及使用[11]中描述的方法在MSRC数据集上获得的类平均分割精度。 粗体条目表示每个类别的最佳性能。 还提供了指定超像素的量，控制其紧凑性以及生成超体素的能力。

2.1基于图形

基于图形的超像素生成方法将每个像素视为图中的节点。两个节点之间的边权重与相邻像素之间的相似性成比例。超像素通过最小化图中定义的成本函数来创建。

NC05-归一化切割算法[23]递归地使用轮廓和纹理线索分割图像中的所有像素的图形，从而全局性地最小化在分割边界处的边缘定义的成本函数。它产生非常规则，视觉上令人愉快的超像素。然而，NC05的边界粘附相对较差，并且它是方法中最慢的（特别是对于大图像），尽管试图加速的算法存在[5]。NC05具有[15]的复杂度，其中N是像素的数量。

GS04-Felzenszwalb和Huttenlocher[8]提出了一种替代的基于图形的方法，已被应用于生成超像素。它将像素作为图的节点，使得每个超像素是组成像素的最小生成树。GS04在实践中很好地粘附到图像边界，但是产生具有非常不规则的尺寸和形状的超像素。它的复杂度是，在实践中速度很快。然而，它不提供对超像素的量或其紧凑性的明确控制。

SL08-Mooreetal提出了一种通过确定将图像分割成更小的垂直或水平区域的最佳路径或接缝来生成符合网格的超像素的方法[21]。使用类似于SeamCarving[1]的图切割方法找到最佳路径。尽管作者给出的复杂的是，但这并不考虑预先计算的边界图，这强烈影响输出的质量和速度。

GCa10和GCb10-[26]，Veksleretal。使用类似于[14]的纹理合成工作的全局优化方法。通过将重叠的图像块拼接在一起来获得超像素，使得每个像素仅属于重叠区域中的一个。这个方法有两个变种，一个用于生成紧凑超像素（GCa10），一个用于恒定强度超像素（GCb10）。

2.2基于梯度上升的算法

从粗略的像素初始聚类开始，梯度上升法迭代地修改聚类，直到满足一些收敛标准以形成超像素。

MS02-In[4]中，平均偏移，用于定位密度函数的局部最大值的迭代模式寻找过程被应用于图像的颜色或强度特征空间中的第一模式。会聚到相同模式的像素定义超像素。MS02是一种较旧的方法，产生不均匀尺寸的不规则形状的超像素。它是复杂度，使其相对较慢，并且不提供对超像素的量，尺寸或紧密度的直接控制。

QS08-快速移位[25]也使用模式查找分割方案。它使用medoid移位过程初始化分割。然后将特征空间中的搜索点移动到最近的邻居，从而增加Parzen密度估计。虽然它具有相对良好的边界粘附，但是QS08的运行速度相当缓慢，具有复杂度（d是一个小常数[25]）。而且QS08不允许对超像素的大小或数量的显式控制。以前的作品使用QS08对象定位[9]和运动分割[2]。

WS91-分水岭方法[28]从局部最小值开始执行梯度上升以产生分水岭，和分离集水盆地的线条。所得到的超像素在尺寸和形状上通常是高度不规则的，并且不表现出良好的边界粘附。[28]的方法相对较快（具有的复杂度），但不提供对超像素量或其紧凑性的控制。

TP09-Turbopixel方法使用基于水平集的几何流动逐渐扩大一组种子位置[15]。几何流依赖于局部图像梯度，目的是在图像平面上规则地分布超像素。与WS91不同，TP09超像素被约束为具有均匀的尺寸，紧凑性和边界粘附。TP09依赖于不同复杂度的算法，但在实践中，如作者所声称的，具有大约的复杂度[15]，是所检查的最慢的算法之一，并且表现出相对较差的边界粘附。

3.SLIC 超像素

我们提出一种新的生成超像素的方法，比现有方法更快，更高的记忆效率，展示了目前最优的边界依从性，并提高了分割算法的性能。简单线性迭代聚类（SLIC）采用K均值算法生成超像素，相较与其他算法具有两个重要的区别：

1）通过将搜索空间限制为与超像素大小成比例的区域，显着地减少了优化中的距离计算的数量。这降低了像素数N的线性复杂度，并且与超像素k的数量无关。

2）加权距离度量组合颜色和空间接近度，同时提供对超像素的尺寸和紧凑性的控制。

SLIC类似于[30]中描述的用于深度估计的预处理步骤的方法，其没有在超像素方向进行研究。

3.1算法

SLIC使用简单易懂。默认情况下，算法的唯一参数是k，其含义是大小大致相等的超像素的个数。对于CIELAB色彩空间中的彩色图像，聚类过程从初始化步骤开始，其中k个初始聚类中心在间隔S个像素的规则网格上采样。为了产生大致相等大小的超像素，网格间隔为。将中心移动到与3times;3邻域中的最低梯度位置相对应的种子位置。这样做是为了避免将超像素定位在边缘上，并且减少用噪声像素接种超像素的机会。

接下来，在

全文共16641字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[15165]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 基于Ad Hoc网络改进的TNMA时槽分配算法外文翻译资料
• 图像压缩技术:无损和有损算法综述。外文翻译资料
• 测量液体电导率的传感器外文翻译资料
• 使用虚拟现实对类人机器人的外观和性能进行心理评估外文翻译资料
• 以概率的，区间的，模糊的方法对Lamb波在复合材料中传播特性的测定外文翻译资料
• 基于人工神经网络预测PM2.5浓度的温度反演效应外文翻译资料
• 基于红外线传感器和相机的人数清点稳定系统外文翻译资料
• 一种基于GIS技术的半动态地理空间数据显示外文翻译资料
• 使用阈值技术的图像分割外文翻译资料
• 基于单片机的火灾探测及火灾预警系统的设计外文翻译资料