Improved SLIC 算法学习笔记

之前有关于SLIC Superpixel算法的个人理解请戳这里，这篇文章是对其改进算法Improved SLIC算法的理解。

改进点：

1. sigma filter 用来避免错误分割；

2. 聚类结束后，会基于颜色相似度将小聚类融入临近的聚类中。

改进聚类中心

原SLIC算法

使用平均值更新聚类中心

Improved SLIC算法

采用如下方法更新聚类中心，对应于改进点1：



其中δj表示，属于该聚类的所有像素点的亮度L的标准差，α是一个常数。

改进点2

原来的SLIC算法中，在进行迭代聚类后，得到一些小的聚类，这些聚类会被融入它们的最大临近聚类中，改进后的算法，这些小的聚类也会被融入到临近的聚类中，但是不是基于原来的聚类尺寸进行选择，而是基于亮度相似性进行选择，（对应于改进点2）：



亮度相似性Dm通过上式得到，其中，μ和μm分别表示小聚类和它的临近聚类的亮度平均值，令Dq表示某个小聚类的所有Dm值中的最小值，设置阈值T，如果Dq<T，则这个小聚类将被融入它的第q个临近聚类中；否则，该小聚类保持独立。