对主流的图像分割算法进行比较,并对其部分算法进行优化

四种分割算法比较

一、实验时间:2010-05-02—2010-10-05  实验人:满达(队长)、高士梦(队员)

二、实验目的:分别使用基于区域信息内容的分割、JSEG、SegCortina,Edgeflow-driven Segmentation算法,

对Corel5K数据集中的图像进行了分割,分别选取每种算法分割最佳结果进行比较。

三、通过实验,对四种分割算法的总结:         

3.1 Ncut 算法,需要手动为分割块数赋值—nbSegment为10,是一种谱聚类分割。

3.2 基于区域信息内容的分割算法,能够自动检测出所要分割的块数。

实验参数

输入:

在算法运行中,使用者需要手动输入八个相关参数,分别为待分割图像的文件名,

图像类型;分割后输出图像的文件名及类型,图像的长和宽;           

彩色图像量化(用于对分割块数的自动检测);图像分割粗细程度scale;分割后各区域融合的阈值。

输出:

算法运行后,会输出两个处理后的图像,为分割后的图像和各个区域region map.

3.3 Semi-automaticimage segmentation &&annotation

SegCortina 需要手动设定分割块数,是一种谱聚类分割算法,使用了边缘检测的方法。

比Ncut算法时间效率要高许多,为O(nlog2n)

本算法可以对整幅图像进行分割,也可以对图像分割后使用者所选区域进行分割。

该算法可以对图像进行批处理。

3.4 Edgeflow-based Anisotropic diffusion算法从precision、recall、f-measure三方面都表现比较良好,时间开销适中。

四、部分实验效果对比图:

《对主流的图像分割算法进行比较,并对其部分算法进行优化》

    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞