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
2012-09-10 23:17
225 查看
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:
![](http://img.my.csdn.net/uploads/201209/10/1347290374_1727.jpg)
相关文章推荐
- 【图像算法】彩色图像分割专题一:颜色空间3(部分源码)
- 【图像算法】彩色图像分割专题一:颜色空间2(部分结果)
- 图像算法研究---一种简单的YUV转RGB的优化算法
- SSE图像算法优化系列九:灵活运用SIMD指令16倍提升Sobel边缘检测的速度(4000*3000的24位图像时间由480ms降低到30ms)。
- 图像处理之优化---任意半径局部直方图类算法在PC中快速实现的框架
- 图像算法移植到DSP及其优化步骤
- 基于暗点优先膨胀的图像暗通道优化算法
- 深入java final关键字 用法注意点和JVM对其进行的优化(例子)
- 图片像素对比OpenCV实现,实现人工分割跟算法分割图像结果的对比
- 图像分割算法总结
- 【图像算法】SIFT中LoG和DoG比较
- itk中的图像分割算法(二)
- 基于边缘的图像分割——分水岭算法(watershed)算法分析(附opencv源码分析)
- Android 中比较“高效”的图像模糊处理算法
- Android开发过程中如何进行算法与界面的优化?
- 图像缩放算法及速度优化——(二)双线性插值
- 图像分割-区域标记算法(实现)
- 对网站部分url进行了优化
- 图像算法在DSP嵌入式移植中常用的优化方法
- 定义两个整型指针,分别用malloc、calloc对其分配空间保存3个元素,malloc分配的空间用memset清零,随机对数组进行赋值随机范围1-3,赋值后用memcmp比较两个数组。如果相同打印G