一项关于利用超像素图像进行基于集群的图像细分的调查
Buddhadev Sasmal1, Krishna Gopal Dhal1
1Department of Computer Science and Application, Midnapore College (Autonomous), Paschim Medinipur, West Bengal India.
Multimedia tools and applications
|June 26, 2023
概括
本调查探讨了将超像素图像生成与集群技术相结合,以实现有效的图像细分. 评估表明不同的超像素方法如何提高分区集群性能.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 超级像素提高了图像分割的准确性,并减少了计算负载,特别是在杂的环境中.
- 聚类是一种经过验证的图像细分技术,在各种应用中具有有效的性能.
- 超像素生成和聚类技术之间的协同作用对于最佳的图像细分至关重要.
研究的目的:
- 为图像细分提供超像素和聚类技术的最新调查.
- 审查关于结合超像素和聚类策略的现有文献.
- 为了比较评估超像素与分区集群方法相结合的有效性.
主要方法:
- 各种超像素图像生成技术的概述.
- 详细研究聚类技术,重点关注有效的分区聚类,包括挑战和解决方案.
- 审查现有的文献,将超像素和聚类结合起来,用于各种图像分割任务.
- 对口腔病理和叶子图像上的超像素和分区集群组合的比较分析.
主要成果:
- 该研究提供了对超像素生成策略的全面了解.
- 它阐明了不同的超像素方法如何影响分区集群性能.
- 评估表明,在特定图像数据集中,综合超像素和分区聚类方法的有效性.
结论:
- 超像素和分区聚类的组合为图像细分提供了一个强大的方法.
- 了解超像素生成和聚类之间的相互作用是选择最佳方法的关键.
- 这项调查为图像细分的研究人员和从业人员提供了有价值的见解.
