注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. slic超像素分割 Matlab代码

  2. SLIC： simple linear iterative clustering的简称，即简单的线性迭代聚类。 这是一个基于聚类算法的超像素分割，由LAB空间以及x、y像素坐标共5维空间来计算。不仅可以分割彩色图，也可以兼容分割灰度图，它还有一个优点就是可以人为的设置需要分割的超像素的数量。

  3. 所属分类：其它

    • 发布日期：2016-01-27
    • 文件大小：24kb
    • 提供者：qq_24369509

  1. IMPROVING SUPERPIXEL-BASED IMAGE SEGMENTATION COLOR COVARIANCE MATRIX MANIFOLDS

  2. 本文提出了一种联合颜色信息和超像素的颜色协方差矩阵作为特征进行图像分割的方法。协方差矩阵流形采用非欧几里德距离度量。然后，为了产生关联图，本文引进了三种从两个特征空间中获取的相似矩阵融合方法。使用基准数据集进行实验，结果表明，本文算法和目前最新算法相比具有明显的优势。

  3. 所属分类：专业指导

    • 发布日期：2017-12-21
    • 文件大小：751kb
    • 提供者：hxg2006

  1. SLICSuperpixels 超像素分割图 C++代码

  2. 生成的超像素如同细胞一般紧凑整齐，邻域特征比较容易表达。这样基于像素的方法可以比较容易的改造为基于超像素的方法。不仅可以分割彩色图，也可以兼容分割灰度图。需要设置的参数非常少，默认情况下只需要设置一个预分割的超像素的数量。 相比其他的超像素分割方法，SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面都比较理想。

  3. 所属分类：图像处理

    • 发布日期：2018-05-15
    • 文件大小：773kb
    • 提供者：mrhsuan

  1. 超像素分割算法研究综述_王春瑶

  2. 超像素能够捕获图像冗余信息，降低后续处理任务复杂度，已受到了国内外研究者的日益关注。首先 分析了超像素分割领域的发展现状，以基于图论的方法和基于梯度下降的方法为视角，对现有超像素分割方法 进行归纳和论述。在此基础上，就目前常用的超像素分割算法进行了实验对比，分析各自的优势和不足。最后， 对超像素分割技术的最新应用进行了介绍和展望

  3. 所属分类：图像处理

    • 发布日期：2018-09-10
    • 文件大小：849kb
    • 提供者：weixin_43171119

  1. 基于SLIC0 融合纹理信息的超像素分割方法*

  2. 由于SLIC0 算法在分割时仅考虑图像的颜色、亮度、空间位置特征，没有考虑纹理特征，当分割具有繁杂纹理的自然图 像时，其分割的超像素无法精准地符合区域或目标的边界或外轮廓，因此提出基于SLIC0 融合纹理信息的超像素分割算法——— SLIC0-t。首先利用光谱分析描述图像中区域的纹理特性，然后在分割中融合能够准确反映图像中目标轮廓或区域边界的纹理 特征;其次在分割过程中，进一步优化SLIC0 围绕种子像素搜索近邻像素的搜索策略，采用以各个种子点为中心，在以预期超像 素邻接距离为半径的圆盘内搜索的

  3. 所属分类：图像处理

    • 发布日期：2018-09-10
    • 文件大小：426kb
    • 提供者：weixin_43171119

  1. 基于SLIC的超像素图像分割

  2. 超像素图像分割是对图像进行分析和理解的关键步骤，在图像处理领域具有重要的研究和应用价值。本题目需要实现一种基于SLIC超像素图像分割的算法。首先利用SLIC对图像进行超像素分割处理，把原图像分割成大小相似、形状规则的超像素，以超像素中心点的五维特征值作为原始数据点进行聚类，确定多体素数目和分割边界。SLIC具有以下优势：1）生成的超像素如同细胞一般紧凑整齐，邻域特征比较容易表达；2）不仅可以分割彩色图，也可以兼容分割灰度图；3）需要设置的参数非常少，默认情况下只需要设置一个预分割的超像素的数量

  3. 所属分类：图像处理

    • 发布日期：2019-04-04
    • 文件大小：5mb
    • 提供者：qq_42946108

  1. Ncut_multiscale,多尺度图切超像素

  2. 多尺度的图切超像素分割算法，基于matlab写的，效果计较好。

  3. 所属分类：其它

    • 发布日期：2019-04-29
    • 文件大小：584kb
    • 提供者：qq_34638647

  1. 基于视觉注意的随机游走图像分割.pdf

  2. 基于视觉注意的随机游走图像分割.pdf,传统随机游走图像分割需要多次交互设置种子点以获得理想的分割结果。在视觉注意的基础上，提出了一种新的自动确定种子点的随机游走图像分割算法。首先对图像进行超像素分割，并生成概率边界图（PBM）；然后基于Itti模型，通过视觉注意焦点的转移搜寻待分割的关键区域；为确定关键分割区域种子点，以当前注意焦点作为极点对概率边界图进行极坐标变换，在获得的极坐标概率边界图上建立关于焦点区域边界的能量函数，采用图论max flow min cut算法最小化能量函数检测焦点区

  3. 所属分类：其它

  1. 基于超像素特征表示的图像前景背景分割算法

  2. 图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可

  3. 所属分类：其它

  1. 基于时空超像素邻域的具有形状提示的视频对象分割

  2. 在这项研究中，作者提出了一种提取图像序列中运动物体的方法。 所提出的方法基于在时空超像素邻域上定义的图割算法。 预先划分的超像素被划分为前景和背景，同时保留时间和空间的连贯性。 它通过三个步骤来实现此目标。 首先，提倡将超像素作为作者分割方案的基本单位，而不是在像素级别上进行操作。 其次，在图割框架内，提出了两个基于超像素的数据项和两个基于超像素的平滑度项来解决分割问题。 最后，提出的方法通过图割算法产生了视频量内所有超像素的分割。 为了说明此方法的优势，将定量和定性结果与其他最新方法进行了比较

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：844kb
    • 提供者：weixin_38746515

  1. 基于精细空间锚定图的大极化SAR数据快速分类

  2. 基于图模型的半监督机器学习已得到很好的建立。 然而，就时间消耗而言，其计算复杂性仍然很高，尤其是对于大数据而言。 在这封信中，我们针对最近的大型极化合成Kong径雷达（PolSAR）数据提出了一种基于空间锚定图的快速半监督分类算法，该算法称为基于快速空间锚定图（FSAG）的算法。 基于PolSAR图像上的初始超像素分割，可以获得同质区域。 根据多数表决和距离测量，将边界像素重新分配给最相似的超像素。 然后，在局部同质区域内对特征向量进行加权。 利用这些区域构造精制的空间锚定图，并进行半监督分类。

  3. 所属分类：其它

  1. 基于并行拍卖图的极化SAR数据快速半监督分类

  2. 尽管基于图的机器学习已在遥感领域引起了广泛关注，并且已广泛用于地形分类，但是大多数现有算法中的图构造仍然占用大量内存和大量计算时间，尤其是对于大型极化合成Kong径雷达（PolSAR）数据。 针对这些问题，本文提出了一种基于并行拍卖图的快速半监督分类方法。 首先使用超像素分割对像素之间的空间关系进行预处理。 然后，我们将PolSAR数据分为多个组，每个组都用于构造稀疏拍卖图。 在这些图上并行执行半监督分类。 在模拟和真实的PolSAR数据上进行的实验结果表明，与现有方法相比，该方法的有效性和有效

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：319kb
    • 提供者：weixin_38577648

  1. 图像分割的改进稀疏子空间聚类方法

  2. 提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称 为超像素，并提取超像素的颜色直方图作为其特征；然后建立特征数据的改进稀疏子空间表示并由此构造图相似 度矩阵，最后利用谱聚类算法得到超像素的聚类结果并作为图像分割结果。实验结果表明，本文提出的改进稀疏 子空间聚类方法具有良好的聚类性能，对噪声具有一定的鲁棒性；用于自然图像能够得到更好的分割效果。

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：896kb
    • 提供者：weixin_38699593

  1. 基于局部空间信息的自适应局域提取稀疏非负矩阵分解

  2. 高光谱分解的目的是从中获取末端成员特征及其相应的丰度图高度混合的高光谱图像。 非负矩阵分解（NMF）是一种广泛使用的光谱方法因为在高光谱图像中没有纯像素的情况下它可以获得更好的性能，所以可以进行混合。 然而， 基于非负矩阵分解的许多方法很少考虑局部和局部空间信息。 非本地的。 为了将空间和光谱信息结合在一起以提高解混精度，自适应基于端元提取的具有空间局部信息（ASNMF）的稀疏非负矩阵分解为本文提出。 超像素分割将获得光谱上相似的许多有意义的区域与空间相邻。 在每个超像素上自适应提取端成员以生成

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：451kb
    • 提供者：weixin_38728360

  1. 通过搜索图像特征密度峰值进行图像分割

  2. 图像分割尝试将数字图像的像素分为多个组，以利于后续的图像处理。 在许多研究领域，例如计算机视觉和图像处理应用中，这是一个必不可少的问题。 已经提出了许多用于图像分割的技术。 在这些技术中，基于聚类的分割算法在该领域中占有极其重要的地位。 但是，现有的流行聚类方案通常取决于聚类过程中使用的先验知识和阈值，或者缺乏自动机制来查找聚类中心。 在本文中，我们通过搜索图像特征密度峰值提出了一种新颖的图像分割方法。 我们将聚类方法应用于输入图像中的每个超像素，并根据每个像素的分类结果构造最终的分割图。 我们

  3. 所属分类：其它

  1. 具有容错能力的L_1最优化半自动2D转3D

  2. 半自动2D 转3D 的关键是将用户分配的稀疏深度转换为稠密深度． 现有方法没有充分考虑纹理图像和深度图之间的结构差异，以及2D 转3D 对用户误标注的容错性． 针对上述问题，借助L1范数对异常数据的抵制，在一个统一框架下实现结构相关具有容错能力的稀疏深度稠密插值． 首先，利用L1范数表示估计深度和用户分配深度在标注位置的差异，建立数据项; 其次，根据特征的相似性用L1范数计算局部相邻像素点之间的深度差异，建立局部正则项; 再次，对图像进行超像素分割，根据不同超像素内代表性像素点之间深度差异的L1

  3. 所属分类：其它

  1. 基于图像分割的稠密立体匹配算法

  2. 提出一种基于图像分割的稠密立体匹配算法，该算法将灰度-梯度算法与零均值归一化互相关（ZNCC）算法相结合生成匹配代价，利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割，基于视差图和超像素更新了匹配代价。在视差后处理阶段，基于左右一致性检验(LRC)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。利用Middlebury数据集的4组图像进行测试，测试结果表明，平均误匹配率为4.99%。

  3. 所属分类：其它

  1. Rectlabel-support：RectLabel-一种图像标注工具，用于标记图像以用于边界框对象检测和分割-源码

  2. 直肠标签支持 这是“ RectLabel用于对象检测”的支持页面。 将问题发布到我们的Github问题页面 有问题吗？ 发送电子邮件至 谢谢。 主要特点 绘制边界框，多边形，三次贝塞尔曲线和直线 用骨架绘制关键点 使用画笔和超像素工具标记像素 使用Core ML模型自动标记图像 快速设置对象，属性，热键和标签 以PASCAL VOC XML格式读写 导出为YOLO，创建ML，COCO JSON和CSV格式 导出索引颜色蒙版图像和分离的蒙版图像 屏幕截图

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：15kb
    • 提供者：weixin_42118160

  1. 结合局部二进制表示和超像素分割求精的立体匹配

  2. 为改善传统立体匹配视差图中目标边缘的毛刺现象，以及弱纹理和视差不连续区域的“阶梯效应”等，提出了一种结合局部二进制表示和超像素分割的立体匹配方法。首先融合二进制表示的窗口内像素的空间和颜色特征进行代价计算，并以此求得初始视差;然后将简单线性迭代聚类方法分割的结果作为像素的空间和颜色标记，为超像素内的目标边缘和其他像素点选择恰当的稳定点进行视差传播，以达到视差优化时边缘保持和空间平滑的目的。在Middlebury数据集上分别进行代价计算与优化方法的对比实验，结果表明，采用该算法获取的目标边缘的视差

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：19mb
    • 提供者：weixin_38655990

  1. 基于显着性的种子提取和随机游走的集成，用于图像分割

  2. 本文提出了一种新颖的自动图像分割方法。 为了自动提取图像的前景，我们将基于熵率超像素（RSBERS）的区域显着性与亲和力传播聚类算法相结合，以无监督的方式获取种子，并使用随机游走法获得分割结果。 RSBERS首先应用熵率超像素分割方法将图像分为紧凑，均匀和相似大小的区域，然后通过在每个超像素区域中应用显着性估计方法来获得显着性图。 然后，在每个显着区域中，我们应用亲和力传播聚类来提取代表性像素并获得种子。 提出了重新标记策略，以确保提取的种子在预期对象内。 另外，为了增强分割效果，使用坐标，颜色

  3. 所属分类：其它

« 12 »