图像超像素（superpixels）分割算法——简单线性迭代聚类土壤重金属标准
（SLIC）
嘉兴电大原理
SILC（simple linear iterative clustering）是⼀种图像分割算法。默认情况下，该算法的唯⼀参数是k，约等于超像素尺⼨的期望数量。对于CIELAB彩⾊空间的图像，在相隔S像素上采样得到初始聚类中⼼。为了产⽣⼤致相同尺⼨的超像素，格点的距离是S=√N/k。中⼼需要被移到3x3领域内的最低梯度处，这样做是为了避免超像素中⼼在边缘和噪声点上。 接下来为每⼀个像素i设置最近的聚类中⼼，该聚类中⼼的搜索区域要覆盖该像素的位置。这是本算法加速的关键，因为通过限制搜索区域的⼤⼩减⼩了距离计算的数量，并且相对于传统的k-means聚类算法有显著的速度优势，因为后者的每个像素都必须和所有的聚类中⼼进⾏⽐较。⼀个超像素的预期空间范围是约为SxS的区域，这⾥对于相似像素的搜索是在超像素中⼼的2Sx2S区域完成。
⼀旦每个像素被关联到最近的聚类中⼼后，就通过求聚类中⼼所有像素的均值来执⾏聚类中⼼的更新。使⽤L2范数计算前⼀个聚类中⼼和当前聚类中⼼的残差。assignment和update步骤被重复迭代直到误差收敛，但是我们发现对于⼤多数图像10次迭代就够了。亚洲小幼
算法步骤
1）通过在常规⽹格步长S处采样像素来初始化聚类中⼼
2）在3x3的领域内移动聚类中⼼到最低的梯度位置
厦门px项目事件3）为每⼀个像素i设置标签l(i)
4）为每⼀个像素设置距离d(i)=∞
第七次全国人口普查结果公布5）对于每⼀个聚类中⼼遍历2Sx2S区域内的每⼀个像素点，计算距离决定是否更新像素的标签和距离
6）更新聚类中⼼
7）重复步骤5）6）直到收敛
藏药膝盖疼的药丶Processing math: 100%
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议