info@panadisplay.com
Méthode de segmentation Super Pixel basée sur la descente de gradient

Méthode de segmentation Super Pixel basée sur la descente de gradient

Nov 17, 2017

1.1 Méthode des bassins versants

1.2 Basé sur la méthode du décalage moyen

1.3 Méthode des turbopixels

1.4 Méthode SLIC


2. Comparaison des résultats expérimentaux

Afin de mieux comprendre les performances de plusieurs méthodes de segmentation de super pixels, cet article a mené une expérience comparative dans des ensembles de données étalons de référence de Berkeley, l'algorithme de vérification incluant le réseau d'entropie (Ncut-B) su-perpixel (SL) ) Turbopixels (TP) et SLIC de chaque taille d'image est 321x481, divisé en environ 200 résultats d'un super pixel,


Comme le montre la figure 10 montre que l'algorithme ER peut garder l'information de bord de l'image, mais la forme de super pixel irrégulière, chaque temps de segmentation d'image est d'environ 1.16sNcut-B algorithme peut effectivement maintenir la frontière de l'image, et avec l'augmentation du nombre de super pixels, la forme de super pixel sera plus régulière, mais le temps de traitement de la segmentation d'image est plus long, la taille de l'image 321x481 à 200 une vitesse de traitement de super pixels autour de 2min SL algorithme est plus rapide que celle d'environ 0,36s divisé en image grille, mais la qualité de la segmentation des résultats, il influence sévèrement la carte de limite d'entrée de TP et SLIC algorithme peut produire des super pixels réguliers et compacts, mais la méthode de la limite de TP reste pauvre,

3.jpg

SLIC de la frontière pour maintenir la vitesse et super pixel évaluation de la forme est plus élevée, par rapport au résultat attendu de segmentation en mémoire 3.00GB processeur Intel Core 2 machine, la comparaison de temps de ces différents algorithme de segmentation super pixel comme indiqué dans le tableau 1.

4.png