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。