在图像聚类过程中包括像素的空间上下文
Include the spatial context of pixels during image clustering
在对图像进行聚类时，如何考虑像素的spatial context（或neighbourhood）（除了像素intensity）？
目前，我正在使用 K-means、GMM 和 Fuzzy C-means，它们仅根据像素 intensities 的分布对图像进行聚类。但是，我需要将像素spatial context的信息加入到聚类中，避免noise speckle.
造成的误分类
分割的标准方法是将具有适当缩放比例的 X 和 Y 坐标添加到颜色值（在 RGB 或 Lab space 中）。
这些示例包括 SLIC（x-y-Lab space 中的 K 均值聚类）和 Quickshift（x-y-Lab space 中的加速均值偏移）。
当还考虑空间距离时，通常可以获得很大的速度。查看 scikit-image or this blog or my blog
中的实现
在对图像进行聚类时，如何考虑像素的spatial context（或neighbourhood）（除了像素intensity）？
目前，我正在使用 K-means、GMM 和 Fuzzy C-means，它们仅根据像素 intensities 的分布对图像进行聚类。但是，我需要将像素spatial context的信息加入到聚类中，避免noise speckle.
分割的标准方法是将具有适当缩放比例的 X 和 Y 坐标添加到颜色值（在 RGB 或 Lab space 中）。 这些示例包括 SLIC（x-y-Lab space 中的 K 均值聚类）和 Quickshift（x-y-Lab space 中的加速均值偏移）。 当还考虑空间距离时，通常可以获得很大的速度。查看 scikit-image or this blog or my blog
中的实现