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