用于图像分割的超像素半监督结构稀疏编码分类器

时间:2024-05-19 20:07:22
【文件属性】:

文件名称:用于图像分割的超像素半监督结构稀疏编码分类器

文件大小:2.45MB

文件格式:PDF

更新时间:2024-05-19 20:07:22

Superpixel-wise sparse coding classifier; Spatial

事实证明,基于稀疏编码的分类器(SCC)可以产生模式识别方面的最新技术成果。 与传统的生成模型和判别模型相比,它既未对数据的分布施加任何假设,也未学习用于分离样本的超平面。 但是,SCC是慢速预测的特征,因为需要解决I0范数最小化才能为每个样本分配标签。 在本文中,我们提出了一种基于超像素结构稀疏编码的分类器(S3CC),用于图像分割。 首先使用无监督的超像素分割来得出初始的标记样本,然后将SCC扩展到半监督模式,在该模式下,对未标记的样本进行增量标记并作为字典来提高分类精度。 而且,在像素标签的预测上施加了邻域空间约束,以避免图像的斑点状错误分割。 在一些人造纹理图像上进行了一些实验,以研究我们提出的S3CC的分割结果。 测试了(1)S3CC与SCC的比较,(2)有空间约束和无空间约束的S3CC的比较(3)与半监督S3CC的S3CC的比较,结果证明了S3CC的效率和优越性同行。


网友评论