• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于SLIC的自適應(yīng)多主體圖像分割算法

    2018-08-23 03:06:06李紅達邢宇哲
    計算機工程與科學(xué) 2018年8期
    關(guān)鍵詞:像素點個數(shù)像素

    郭 偉,李紅達,邢宇哲

    (遼寧工程技術(shù)大學(xué)軟件學(xué)院,遼寧 葫蘆島 125105)

    1 引言

    圖像分割是按照一定的相似性準則把圖像劃分成一定數(shù)量區(qū)域的過程,圖像分割是圖像處理的前期階段,在實際的處理中有著非常廣泛的應(yīng)用,已在目標識別、模式識別、人工智能等眾多領(lǐng)域得到了普遍的應(yīng)用。

    目前,圖像的尺寸越來越大,直接在像素粒度層面上對圖像進行處理的計算效率較低,這就要求減少像素數(shù)量,擴大像素所代表的含義。2003年,Berkeley大學(xué)機器視覺實驗室的Ren等人[1]第一次提出了超像素這個概念,所謂超像素,是指具有相似紋理、顏色、亮度等特征的相鄰像素構(gòu)成的子區(qū)域。超像素分割就是把像素聚類成超像素的過程。它通過像素的聚合保存了圖像的邊界信息,降低了后續(xù)圖像處理的復(fù)雜度。超像素分割算法加速了圖像處理的速度,并很好地保留了邊界信息。Moore等人[2]提出的SL(Superpixel Lattices)算法采用Canny邊界檢測算法獲得原始圖像邊界,再不斷地在垂直和水平兩個方向?qū)ふ易顑?yōu)路徑把圖像分割成超像素。Bergh等人[3]提出了SEED(Superpixels Extracted via Energy-Driven Samplin)算法,該算法不斷修正網(wǎng)格元素的超像素邊緣點,最終得到分割結(jié)果。簡單線性迭代聚類算法SLIC (Simple Linear Iterative Clustering)是在CIELAB彩色空間的X-Y坐標下的五維特征向量,把N個像素點聚類成K類。相比于其他超像素分割算法,該算法分割速度快,能形成形狀規(guī)則、大小均勻的超像素[4,5],該算法的時間復(fù)雜度僅為O(n),在處理高分辨率圖像時可以減少時間復(fù)雜度,而且分割的數(shù)目和邊緣貼合度是可控的。

    超像素圖像分割實際上是一種圖像的過分割,沒有實際的應(yīng)用意義。在它基礎(chǔ)上的圖像處理成為了很好的研究方向,目前在圖像分割、目標檢測、特征提取、目標跟蹤、人體姿勢估計等方面都有了很好的發(fā)展。楊賽等人[6]提出一種基于超像素的顯著性目標檢測算法,先計算目標先驗概率顯著圖,在超像素區(qū)域內(nèi)建立詞袋模型,算出條件概率顯著圖,把兩種概率融合獲取顯著性目標。張雷等人[7]提出一種基于超像素的在線目標分割算法,結(jié)合上一幀的先驗知識估計當前幀的外觀模型,以超像素為節(jié)點構(gòu)建馬爾科夫模型,結(jié)合外觀模型和馬爾科夫模型構(gòu)建能量最小化問題,應(yīng)用圖割方法計算分割結(jié)果。劉大千等人[8]提出一種基于超像素的局部模型匹配目標跟蹤算法,利用前幾幀的超像素塊建立目標模型作為匹配模板,采用期望最大化EM(Expectation Maximization)估計前景信息,與局部圖像匹配確定跟蹤目標。韓守東等人[9]提出一種快速圖像分割算法,該算法用超像素作為圖模型的節(jié)點,用Graph Cut模型實現(xiàn)加速,獲得分割結(jié)果。Levinshtein等人[10]提出一種基于超像素的特征提取算法,首先用超像素構(gòu)建圖節(jié)點,利用先驗知識預(yù)測每個點的隸屬度,不斷迭代更新,確定一個封閉的輪廓逼近特征圖像。Mori[11]提出了一種基于超像素的人體姿勢估計算法,該算法用超像素作為節(jié)點,大大減少了圖像中人體關(guān)節(jié)點搜索的數(shù)目,同時應(yīng)用超像素算法使用一側(cè)的軀體來預(yù)測另一半的軀體特征,降低了算法的復(fù)雜度。

    多主體圖像分割區(qū)別于傳統(tǒng)的圖像分割,傳統(tǒng)的圖像分割是分別出前景和背景,主要提取前景,忽略背景。多主體圖像分割不是簡單地分別出前景和背景,而是一副圖像本身具有多個主體,每個主體的重要性不分大小,都有實際的意義,需要把每一部分都分離出來,因此多主體圖像分割也引起到了各方面的關(guān)注。紀則軒等人[12]提出一種無監(jiān)督的模糊C均值FCM(Fuzzy C-Means)算法,結(jié)合Gabor濾波器對像素的紋理信息進行處理,有很強的適應(yīng)性,算法僅需要一次聚類,但在前期對紋理處理的過程中需要對相位、方向角、頻率同時求解,增大了算法的復(fù)雜性。余衛(wèi)宇等人[13]提出一種對圖像分塊的思想,對不同區(qū)域的圖像采用不同的閾值,結(jié)合蟻群算法對圖像進行分割,算法雖然對細節(jié)處理較好但容易出現(xiàn)過分割現(xiàn)象,且需要迭代多次。Tao等人[14]將像素信息利用Graph Cut算法轉(zhuǎn)化為圖結(jié)構(gòu),計算其中的最小割, 對于每個像素根據(jù)其最小割邊的位置賦予對應(yīng)的標記,算法提高了邊界分割率但效率較低。伯彭波等人[15]在文獻[14]的基礎(chǔ)上提出一種交互分割的方式,首先通過超像素對圖像進行預(yù)處理,再利用Graph Cut算法構(gòu)建多層流網(wǎng)絡(luò),最后根據(jù)用戶提供的圖形信息得出分割結(jié)果 。這種算法可以利用用戶的交互給出最符合用戶需要的解決方案,但在實際中并不允許用戶的實時交互,而且適應(yīng)性不夠。Grady[16]利用Random Walk算法計算每個像素屬于用戶標記主體的可能性,不斷更新隸屬度矩陣,是一種交互分割算法。

    本文在超像素和密度聚類算法的基礎(chǔ)上提出了一種基于SLIC的自適應(yīng)DBSCAN(Density-Based Spatial Clustering of Applications with Noise)多主體圖像分割算法。在本文之前已有對SLIC和DBSCAN算法結(jié)合用于圖像分割的研究。Wu等人[17]提出了一種SLIC結(jié)合DBSCAN算法用于分割巡檢圖像的算法,胡峻峰等人[18]提出了一種SLIC結(jié)合DBSCAN算法用于分割木材表面缺陷的算法,凌朝東等人[19]提出一種SLIC結(jié)合DBSCAN算法用于解決眼底圖像硬性滲出檢測的算法。上述三種算法都是對專一圖像進行分割,每一個算法都有其自己獨立的參數(shù),并不具有普遍適用性,對于不同的圖像并不能做到同時適用。因此,本文提出一種自適應(yīng)參數(shù)算法用于解決不同圖像之間參數(shù)不同的算法。本文使用SLIC算法和DBSCAN算法結(jié)合用于處理圖像分割問題,其中SLIC算法可以提高算法效率,而DBSCAN算法可以發(fā)現(xiàn)任意形狀的聚類,并且不需要確定聚類數(shù)目,再通過計算得到全局最優(yōu)解,最后與SLIC、Meanshift、Kmeans、分水嶺算法等傳統(tǒng)算法和SLIC-Kmeans、SLIC-Meanshift算法進行比較 ,從精度和效率兩方面對本文算法進行驗證和評價。

    2 SLIC超像素圖像分割

    SLIC超像素分割算法是Achanta等人提出的一種實現(xiàn)方便、思想簡單的算法,它將RGB彩色空間的像素點轉(zhuǎn)化為CIELAB彩色空間的X-Y坐標下的五維特征向量Pi=(li,ai,bi,xi,yi)i=(1,2,…,N),將其中的N個像素點通過局部聚類形成K個超像素區(qū)域。

    SLIC算法具體實現(xiàn)步驟如下:

    (1)初始化聚類中心。

    為了避免初始種子點落在圖像的邊緣,將初始種子點移動到當前種子點的3×3鄰域內(nèi)梯度最小的位置。圖像的梯度計算公式為:

    G(x,y)=‖l(x+1,y)-l(x-1,y)‖2+

    ‖l(x,y+1)-l(x,y-1)‖2

    其中,l(x,y)是超像素di=(xi,yi)的位置向量,‖·‖是矩陣的二范式,由此獲得初始種子點的顏色向量Ci=(li,ai,bi),因此確定初始種子點的表達向量pi=(Ci,di),i=1,…,K。

    (2)相似度度量。

    SLIC的相似度度量方法如下:

    其中,dlab為像素點之間的色差,dxy為像素點之間的空間距離,D(i,k)為像素點i與聚類中心k之間的相似度,D(i,k)的值越小,說明兩者越相似,m∈1,40為調(diào)節(jié)顏色距離的權(quán)重。

    (3)迭代更新聚類中心。

    在聚類中心的2S×2S范圍內(nèi)確定每一個像素點的歸屬,把歸屬于一類聚類的像素點的五維向量值求平均獲得更新后的聚類中心,重復(fù)此過程直至迭代完成。

    (4)對每一個歸屬于同一聚類的像素點賦予相同的聚類標簽,形成K個超像素。

    對雙邊濾波之后的圖像進行SLIC超像素分割,K的取值分別為100,400,3 000時得到如圖1所示的分割圖像。

    Figure 1 SLIC super-pixel segmentation images under different K values 圖1 不同的K值下SLIC超像素分割圖像

    3 DBSCAN算法聚類和自適應(yīng)算法

    3.1 DBSCAN算法

    DBSCAN 算法是一種經(jīng)典的基于密度的聚類算法,可以自動確定聚類的數(shù)量,能夠發(fā)現(xiàn)任意形狀簇,只需要一次迭代,聚類速度比較快,DBSCAN具體算法參照文獻[20]。

    DBSCAN算法有兩個重要的參數(shù)Eps和MinPts,分別為聚類中心的最大差異和聚類的最小數(shù)量。實驗表明,該算法對參數(shù)有著較強的敏感性,參數(shù)的設(shè)定嚴重影響著實驗的結(jié)果,而且對于不同的圖像需要設(shè)定不同的參數(shù)。

    由圖2可以看出,對于一幅圖像來說不同的參數(shù)對圖像分割的影響很大。對于上下兩幅圖來說,同樣的Eps值,圖2b在Eps=500時可以很好地分辨出整體輪廓,而圖2e卻出現(xiàn)過分割現(xiàn)象;當Eps=2300時,圖2c出現(xiàn)欠分割現(xiàn)象,而圖2f卻能很好地分割出主體;由圖圖2e也可以發(fā)現(xiàn)整體參數(shù)對局部影響很大。因此,需要提出一種自適應(yīng)的參數(shù)算法以適應(yīng)不同圖像的要求,同時也要滿足對于同一幅圖像不同位置的要求。

    3.2 自適應(yīng)算法

    DBSCAN算法對Eps和MinPts有著很強的敏感性,分割不同的圖像需要采取不同的參數(shù)值,因此自適應(yīng)獲取參數(shù)值就成為了DBSCAN算法的重點。有關(guān)DBSCAN的參數(shù)選擇問題,已經(jīng)有了大量的研究,但大部分的研究都是針對數(shù)據(jù)的分類問題,圖像有其獨特的性質(zhì),對于顏色的敏感性更高,距離只是輔助判斷。因此,圖像分割更關(guān)注像素之間的顏色差異而非距離,本文使用的DBSCAN算法只對比全局顏色信息,并不計算像素之間的距離信息,可以減少空間信息對分割效果的影響,自適應(yīng)地獲取參數(shù)可以取得良好的效果。

    首先我們需要解決Eps的選取問題。本文選取文獻[21]的主要方法,通過對比全局超像素顏色信息自適應(yīng)地決定Eps值。

    自適應(yīng)DBSCAN算法的主要步驟如下:

    (1)計算全局距離分布矩陣DIST。

    DISTn×n={dist(i,j)|1≤i≤n,1≤j≤n}

    其中,n=D,D表示超像素分割后的聚類中心組成的數(shù)據(jù)集,DIST是n行n列的對稱矩陣,dist(i,j)表示第i個超像素中心到第j個超像素中心的距離。

    (2)對每一個DIST排序并轉(zhuǎn)置得到順序矩陣:

    KNN0n×n=sort(DISTn×n)′

    KNN0n×n的每一列向量代表數(shù)據(jù)集中每個超像素到最近的k(k=1,…,n)個超像素的距離集合。由于每一列向量的第一個元素都是0,對后續(xù)處理影響很大,因此整體刪除第一行,從第二行開始算起,得到新的矩陣KNNn×(n-1):

    KNNn×(n-1)=sort(KNN0n×n(1:end;2:end))

    KNNn×(n-1)的第k(k=1,…,n)列即為數(shù)據(jù)集中超像素k最近鄰域集合DISTk,對于KNNn×(n-1)繪圖得到圖3,其中圖3a為全部超像素與其他超像素的距離,圖3b為單個超像素與其他超像素的距離,圖3c為圖3b曲線的概率密度圖。

    Figure 3 Distance distribution of super-pixels圖3 超像素的距離函數(shù)分布

    由圖3a可以看到,隨著k的增加函數(shù)上升,即DIST(n,k)≤DIST(n,k+1),從中取出單個對象的函數(shù)圖像如圖3b所示,概率密度直方圖及概率密度曲線如圖3c所示。

    (3)尋找圖3c中概率密度曲線的最高點,即與超像素中心最相近的點,保證大多數(shù)的鄰接超像素可以聚集在一起,使用統(tǒng)計模型進行擬合,通過實驗發(fā)現(xiàn)使用逆高斯密度分布擬合的效果比較好,逆高斯密度分布的概率密度公式為:

    其中,λ和μ可以使用極大似然估計得到。為了獲得最高點的值,解方程dP(x)/dx=0,得到一個整數(shù)解:

    因此,對于每個點k,根據(jù)逆高斯概率密度函數(shù)得到:

    對于不同的超像素k使用不同的Eps(k)值,可以極大地保證超像素總是向著密度最大的方向靠攏,當兩個超像素之間的差值超過Eps(k)時,擴散結(jié)束。

    所有的超像素點遍歷完成后,每個聚類的聚類數(shù)目也同時被計算出來,這里并不存在最小的聚類數(shù)目,對于超像素來說,每一個超像素都有可能是孤立的聚類中心,因此MinPts的值也可以自適應(yīng)確定,并且MinPts參數(shù)對本文算法的影響較小。

    遍歷完所有像素后,超像素劃分為兩類:具有實際意義的超像素聚類和被劃為噪聲點的聚類。但是,被劃為噪聲點的聚類有可能是多主體分割的一部分,卻被視為孤立點,不應(yīng)該被單獨分離出來,因此應(yīng)進行孤立點檢測,并更新聚類內(nèi)容和聚類數(shù)目。

    3.3 孤立點控制

    算法中超像素的自適應(yīng)Eps值會把噪聲點排除到聚類之外,或者聚類中心的超像素與鄰接超像素有較大差異,并沒有鄰接超像素一起組成聚類,單獨化為一類,這些孤立點主要有以下幾個形成原因:它們與數(shù)據(jù)的其他部分不一致;由于度量或執(zhí)行錯誤導(dǎo)致孤立點產(chǎn)生;也可能是固有數(shù)據(jù)變異性的結(jié)果。但是,這些噪聲點同樣是圖像聚類的一部分,為了解決這一問題,本文將孤立點的合并放到了超像素聚類之后,利用聚類數(shù)目判斷孤立點,并進行融合。

    定義1(聚類可達密度lrd(O)) 用Cu(O)表示聚類O的所有所屬超像素,reach_distO,p表示對象p與聚類中心O的可達距離,CuO表示聚類個數(shù),那么聚類O的可達密度為聚類中心與它的所屬超像素的平均可達距離的倒數(shù):

    定義2(局部異常因子LOF(p,O))O表示與對象p相鄰的聚類,lrdO表示不包含p對象的聚類可達密度,lrdO1表示包含p對象的聚類可達密度,Am表示所有與p相鄰的超像素集合,則:

    LOF同時反映聚類內(nèi)部與鄰接超像素的異常狀況。如果p可以被歸類為聚類的一種,則對后半部分影響較大,如果是一個孤立點,則對前半部分影響較大。LOF越小,說明對象p對于聚類O的異常影響越小。聚類中心和鄰接超像素與對象p越相似,LOF越小,如果p不是孤立點,則LOF接近1,如果p的所有鄰接聚類的LOF均大于1,則p被作為孤立點處理,如果局部異常因子均小于1,則最終選取影響因子最小的聚類為它的目標聚類,如圖4。

    Figure 4 Outlier control process圖4 孤立點控制過程

    本文算法自適應(yīng)地確定Eps和MinPts,避免了DBSCAN的參數(shù)敏感性,增強了算法的魯棒性。自適應(yīng)選取Eps使每個超像素朝著最相似的超像素聚類,極大地減小了全局的Eps對圖像細節(jié)的影響,保證分割的結(jié)果既能分出主要的區(qū)域,還能在細節(jié)處理上優(yōu)于其他的算法。

    4 實驗結(jié)果分析

    實驗平臺:本文算法運行的操作系統(tǒng)為Windows 7,Intel(R) Core(TM) i5-2450M,2.5 GHz,在Matlab2012a上實現(xiàn)。

    數(shù)據(jù)集:本文實驗所用的數(shù)據(jù)集為Berkeley benchmark500標準數(shù)據(jù)集[22]。每幅圖像的大小為481×321,分割的超像素個數(shù)為400個,緊密度系數(shù)m對實驗結(jié)果影響不大,算法運行時間在緊密度系數(shù)m發(fā)生變化時有輕微抖動,抖動幅度小于5%,算法運行平穩(wěn),實驗選取邊界分割率最大的20組實驗數(shù)據(jù)取平均值,確定緊密度系數(shù)m取值為20。

    圖像分割評價標準:概率隨機指數(shù)準則PRI(Probabilistic Rand Index),取值為[0,1],PRI越大代表結(jié)果越好。信息變化指數(shù)VOI(Variation of Information),取值為[0,∞),VOI越小代表分割結(jié)果越好。

    本文從分割效果、分割時間以及與人工分割的結(jié)果進行比較,驗證算法的有效性。

    4.1 超像素粒子度與分割結(jié)果的關(guān)系

    本文算法的分割效果與分割時間嚴重依賴于超像素的個數(shù)。如果分割個數(shù)過少,則缺少邊界信息,邊界檢測率低,對圖像細節(jié)處理不理想;如果分割個數(shù)過多,不能保證后續(xù)處理的時間效率,造成浪費。超像素個數(shù)與邊界檢測率的關(guān)系和超像素個數(shù)與分割時間的關(guān)系如圖5所示。

    Figure 5 Effect of the number of super-pixels on segmentation圖5 超像素個數(shù)對分割算法的影響

    由圖5a所示,超像素圖像分割在超像素個數(shù)為400時可以達到99.67%的檢測率,完全可以檢測出絕大多數(shù)的圖像邊界,不存在欠分割現(xiàn)象,而當超像素個數(shù)大于400以后,邊界分割率并沒有較明顯的提升,只是在細微之處存在修改,并不影響圖像分割的整體效果;而由圖5b所示,超像素個數(shù)對超像素分割時間并沒有影響,但對于后續(xù)的圖像分割程序有著較明顯的效果,在超像素個數(shù)為1 000以下時,圖像分割算法時間并沒有大幅度的提升,當超像素個數(shù)大于1 000時便出現(xiàn)了較大幅度變化,成指數(shù)趨勢增長。綜合圖5兩幅圖,本實驗采取的超像素個數(shù)為K=400,既可以保證有很高的邊界檢測率,而且也保證了算法的時間成本沒有較大幅度增加。

    圖1同時給出了不同超像素個數(shù)的不同分割結(jié)果(對于像素個數(shù)為512×512的Lena圖像分別分割為100、400、3 000的分割結(jié)果)。從圖1中可以觀察到,在超像素個數(shù)K=100時,雖然基本反映出圖像的邊界,但仍有部分邊界不能很好地分割出來,邊界分割率低,影響后續(xù)處理效果,如果增加超像素的個數(shù)為K=3000,則大幅增加了圖像分割的時間,最終確定為超像素個數(shù)為K=400,減少了后續(xù)分割的空間占用和時間花費。

    4.2 分割效果

    本節(jié)對SLIC、Meanshift、Kmeans、分水嶺等傳統(tǒng)算法和SLIC-Kmeans、SLIC-Meanshift算法進行分割效果比較,比較結(jié)果如圖6所示。

    (1)分割結(jié)果對比。相對于傳統(tǒng)的分水嶺算法、Kmeans算法、Meanshift算法,本文算法避免了圖像的過分割現(xiàn)象,利用超像素的處理提高了分割的精度,利用DBSCAN算法在全局搜索更優(yōu)參數(shù),進一步提升了精度。如表1所示,SLIC-Kmeans算法與傳統(tǒng)算法相比PRI提升很高,與傳統(tǒng)Kmeans算法相比,算法PRI提高28.07%,而VOI降低71.09%,說明SLIC對圖像的噪聲有很強的抑制作用,而本文算法相較于SLIC-Meanshift算法和SLIC-Kmeans算法,DBSCAN算法能發(fā)現(xiàn)更適合圖像分割的聚類,可以進一步尋找到不同形狀的聚類,發(fā)現(xiàn)更優(yōu)的分割參數(shù)。VOI指數(shù)用來計算算法分割結(jié)果與人工標注結(jié)果的差異性,VOI值越小,說明算法的分割結(jié)果越接近人工分割的結(jié)果。對比其它幾種算法,本文算法利用DBSCAN算法對超像素聚類更符合人類的分割特點。SLIC算法作為本文算法的基礎(chǔ),會出現(xiàn)嚴重的過分割現(xiàn)象,Kmeans算法受初始點的選擇影響較大,Meanshift對簡單圖像分割結(jié)果較好,對于復(fù)雜圖像會出現(xiàn)欠分割現(xiàn)象,分水嶺算法、Meanshift算法易出現(xiàn)局部最優(yōu)的結(jié)果,造成分割不準確的現(xiàn)象。

    Figure 6 Results comparison among different segmentation algorithm圖6 不同分割算法的結(jié)果對比

    算法評價指標PRIVOISLIC0.198 19.725 1Kmeans0.650 11.272 3分水嶺0.574 31.240 2Meanshift0.564 71.439 6SLIC-Meanshift0.727 10.587 2SLIC-Kmeans0.832 60.367 7本文算法0.889 70.228 4

    (2)分割時間對比。相較于SLIC算法,本文算法分割時間增加了后續(xù)的處理時間,但由于超像素的預(yù)處理過程使得后續(xù)處理的目標數(shù)量大大減少,因此總的分割時間并沒有明顯增加,主要的時間影響在于孤立點處理部分。

    本文算法運行時間分成三部分:超像素分割階段、聚類階段和孤立點控制階段。三個階段時間相加就是算法分割時間。表2給出了圖6中三幅圖像的運行時間。從表2可以看出,對于一幅481×321的圖像,分割時間大概需要1.5 s,且不需要人工交互,增強了算法的適應(yīng)性。

    Table 2 Algorithm running time

    與圖6其他的幾種算法相比,分割時間如表3所示。本文算法優(yōu)于傳統(tǒng)的分水嶺算法、MeanShift算法、SLIC-Meanshift算法、SLIC-Kmeans算法,但運行時間高于SLIC算法和Kmeans算法。對比表3中的Kmeans算法、MeanShift算法、SLIC-Kmeans算法和SLIC-Meanshift算法,算法時間大大縮短,說明SLIC對加速圖像分割有很好的效果。本文算法時間優(yōu)于SLIC-Meanshift算法和SLIC-Kmeans算法的,說明DBSCAN算法無需迭代的優(yōu)越性,圖像能夠快速分割。

    Table 3 Running time of different algorithms

    5 結(jié)束語

    本文針對多主體圖像分割的交互問題提出了一種基于SLIC超像素的DBSCAN自適應(yīng)圖像分割算法。算法使用SLIC超像素分割算法把圖像分割為超像素點 ,再通過自適應(yīng)的DBSCAN算法進行聚類操作,得到多主體分割結(jié)果。相對于已有方法,本文算法可以自適應(yīng)地獲取多主體的分割數(shù)目,不需要人工交互,減少了用戶的操作流程,增加了算法的適應(yīng)性,在各種評價指標上也有很好的效果。

    實驗顯示了相對于其他算法的分割效果和分割效率,本文算法可以快速得到多主體圖像分割結(jié)果。在未來的工作中將研究先確定聚類數(shù)目,給每一個種子點增加一個隸屬度矩陣,再確定分割邊界的方法。

    猜你喜歡
    像素點個數(shù)像素
    趙運哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    像素前線之“幻影”2000
    怎樣數(shù)出小正方體的個數(shù)
    等腰三角形個數(shù)探索
    怎樣數(shù)出小木塊的個數(shù)
    “像素”仙人掌
    怎樣數(shù)出小正方體的個數(shù)
    基于canvas的前端數(shù)據(jù)加密
    基于逐像素點深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    高像素不是全部
    CHIP新電腦(2016年3期)2016-03-10 14:22:03
    精品福利永久在线观看| 波多野结衣一区麻豆| 精品一区二区三区视频在线观看免费 | 欧美黑人精品巨大| 怎么达到女性高潮| 美女高潮到喷水免费观看| 国产成人系列免费观看| 日韩国内少妇激情av| 国产精品一区二区在线不卡| 久久久国产一区二区| 日本撒尿小便嘘嘘汇集6| av网站在线播放免费| 亚洲成a人片在线一区二区| 国产成年人精品一区二区 | 日韩欧美在线二视频| 久久午夜亚洲精品久久| 成熟少妇高潮喷水视频| 欧美久久黑人一区二区| 如日韩欧美国产精品一区二区三区| 18禁裸乳无遮挡免费网站照片 | 久久人妻福利社区极品人妻图片| 亚洲激情在线av| 久久国产亚洲av麻豆专区| 亚洲熟妇熟女久久| 嫩草影视91久久| 18禁黄网站禁片午夜丰满| 欧美黑人精品巨大| 亚洲精品国产区一区二| 水蜜桃什么品种好| 日韩高清综合在线| 国产欧美日韩综合在线一区二区| www国产在线视频色| 日日夜夜操网爽| 夜夜躁狠狠躁天天躁| 久久午夜综合久久蜜桃| 亚洲精品国产一区二区精华液| 久久九九热精品免费| 男女之事视频高清在线观看| 这个男人来自地球电影免费观看| 十八禁人妻一区二区| 这个男人来自地球电影免费观看| av超薄肉色丝袜交足视频| 亚洲人成电影免费在线| 午夜视频精品福利| 欧美黄色淫秽网站| bbb黄色大片| 久久久久久久精品吃奶| 18禁黄网站禁片午夜丰满| 99久久国产精品久久久| 极品人妻少妇av视频| 久久久久国内视频| 欧美午夜高清在线| 日韩欧美国产一区二区入口| 777久久人妻少妇嫩草av网站| 国产亚洲精品综合一区在线观看 | 又黄又粗又硬又大视频| 色综合婷婷激情| 国产片内射在线| 日韩大尺度精品在线看网址 | 中文字幕av电影在线播放| 丰满人妻熟妇乱又伦精品不卡| 久久国产精品人妻蜜桃| 99久久综合精品五月天人人| 午夜免费激情av| 巨乳人妻的诱惑在线观看| 1024香蕉在线观看| 长腿黑丝高跟| 国产成人精品无人区| 精品福利永久在线观看| 国产区一区二久久| 男女高潮啪啪啪动态图| 搡老熟女国产l中国老女人| 动漫黄色视频在线观看| 美女大奶头视频| 十八禁网站免费在线| 亚洲精品美女久久av网站| 丝袜人妻中文字幕| tocl精华| 最近最新中文字幕大全免费视频| 国产成年人精品一区二区 | 一二三四在线观看免费中文在| 午夜精品久久久久久毛片777| 少妇裸体淫交视频免费看高清 | av在线播放免费不卡| 最好的美女福利视频网| av欧美777| 国产精品国产av在线观看| 国产精品久久久av美女十八| 一进一出好大好爽视频| 成人免费观看视频高清| 欧美激情极品国产一区二区三区| 成人免费观看视频高清| 亚洲国产欧美日韩在线播放| 后天国语完整版免费观看| 最近最新中文字幕大全免费视频| 黄频高清免费视频| 男人的好看免费观看在线视频 | 变态另类成人亚洲欧美熟女 | 国产精品电影一区二区三区| xxx96com| 50天的宝宝边吃奶边哭怎么回事| 看免费av毛片| 脱女人内裤的视频| 免费搜索国产男女视频| 日日夜夜操网爽| 两人在一起打扑克的视频| 99香蕉大伊视频| 国产精华一区二区三区| 香蕉国产在线看| 久久人妻福利社区极品人妻图片| 香蕉丝袜av| 美国免费a级毛片| 午夜免费观看网址| av免费在线观看网站| 国产精品久久久人人做人人爽| 国产一区在线观看成人免费| 美女大奶头视频| www.自偷自拍.com| 亚洲 欧美 日韩 在线 免费| 天堂影院成人在线观看| 精品一区二区三卡| 久久精品亚洲熟妇少妇任你| 亚洲av片天天在线观看| 一区在线观看完整版| 最近最新免费中文字幕在线| 国产精品偷伦视频观看了| 免费人成视频x8x8入口观看| 国产精品av久久久久免费| 亚洲精品粉嫩美女一区| 一级作爱视频免费观看| 成在线人永久免费视频| 日日干狠狠操夜夜爽| 欧美在线一区亚洲| 91国产中文字幕| 亚洲成国产人片在线观看| 日韩欧美在线二视频| 国产精品永久免费网站| 99精品在免费线老司机午夜| 看黄色毛片网站| 亚洲 欧美一区二区三区| 在线观看免费日韩欧美大片| 777久久人妻少妇嫩草av网站| 50天的宝宝边吃奶边哭怎么回事| 看片在线看免费视频| 欧美日韩瑟瑟在线播放| 两性午夜刺激爽爽歪歪视频在线观看 | 黄网站色视频无遮挡免费观看| 女人爽到高潮嗷嗷叫在线视频| 水蜜桃什么品种好| 麻豆成人av在线观看| 亚洲成人精品中文字幕电影 | 91av网站免费观看| 国产欧美日韩一区二区精品| 国产熟女午夜一区二区三区| 18禁黄网站禁片午夜丰满| 国产国语露脸激情在线看| 最近最新免费中文字幕在线| 母亲3免费完整高清在线观看| 免费看十八禁软件| 18禁黄网站禁片午夜丰满| 欧美丝袜亚洲另类 | 婷婷精品国产亚洲av在线| 欧美日本中文国产一区发布| 午夜精品在线福利| 一级毛片女人18水好多| 久久久久久免费高清国产稀缺| 日本黄色日本黄色录像| 操美女的视频在线观看| 亚洲精品在线美女| 免费高清在线观看日韩| 国产人伦9x9x在线观看| 亚洲国产欧美日韩在线播放| 久久久久久久久久久久大奶| 窝窝影院91人妻| 男女午夜视频在线观看| 一区二区三区精品91| 色播在线永久视频| 美女高潮喷水抽搐中文字幕| 欧美一级毛片孕妇| 成人特级黄色片久久久久久久| 国产免费现黄频在线看| 搡老乐熟女国产| 纯流量卡能插随身wifi吗| 免费观看人在逋| 国产精品永久免费网站| 国产野战对白在线观看| 一区在线观看完整版| 欧美乱色亚洲激情| 国产午夜精品久久久久久| 99久久精品国产亚洲精品| 91在线观看av| 80岁老熟妇乱子伦牲交| 国产极品粉嫩免费观看在线| 欧美国产精品va在线观看不卡| 亚洲国产精品sss在线观看 | 男人的好看免费观看在线视频 | 欧美一级毛片孕妇| 日韩欧美在线二视频| 老司机福利观看| 日日爽夜夜爽网站| 一区二区三区激情视频| 亚洲成人免费av在线播放| 亚洲精品一二三| 亚洲中文av在线| 久久精品91无色码中文字幕| 性少妇av在线| 亚洲中文日韩欧美视频| 黑人巨大精品欧美一区二区mp4| 久久亚洲精品不卡| 91av网站免费观看| 精品久久蜜臀av无| 亚洲在线自拍视频| 国产亚洲精品久久久久久毛片| av在线播放免费不卡| 天天添夜夜摸| 国产免费现黄频在线看| 国产精品自产拍在线观看55亚洲| 日日干狠狠操夜夜爽| 首页视频小说图片口味搜索| 欧美人与性动交α欧美软件| 亚洲国产精品999在线| a级片在线免费高清观看视频| 国内毛片毛片毛片毛片毛片| 亚洲免费av在线视频| 欧美 亚洲 国产 日韩一| 亚洲欧美精品综合一区二区三区| 国产91精品成人一区二区三区| 桃红色精品国产亚洲av| 日韩大尺度精品在线看网址 | 国产精品亚洲av一区麻豆| 男男h啪啪无遮挡| 亚洲精品在线观看二区| 亚洲狠狠婷婷综合久久图片| 一边摸一边抽搐一进一小说| 女性生殖器流出的白浆| 一级片免费观看大全| 亚洲精品国产色婷婷电影| 激情视频va一区二区三区| 亚洲精品美女久久久久99蜜臀| 亚洲精品中文字幕一二三四区| 欧美乱妇无乱码| videosex国产| 中文亚洲av片在线观看爽| 精品久久久精品久久久| 大型av网站在线播放| 黄片小视频在线播放| 在线观看免费视频网站a站| 1024香蕉在线观看| 亚洲国产精品一区二区三区在线| 日本wwww免费看| 国产精品久久电影中文字幕| netflix在线观看网站| 久久久国产一区二区| 亚洲av五月六月丁香网| 久久香蕉精品热| 99国产精品免费福利视频| 女警被强在线播放| 国产成+人综合+亚洲专区| 国产深夜福利视频在线观看| 国产亚洲欧美在线一区二区| 久久性视频一级片| 亚洲男人的天堂狠狠| 久久久久国产精品人妻aⅴ院| 日本免费一区二区三区高清不卡 | 久久久久国产一级毛片高清牌| 亚洲国产欧美网| 91成人精品电影| 丝袜美腿诱惑在线| 99久久综合精品五月天人人| 不卡av一区二区三区| 女人被躁到高潮嗷嗷叫费观| 夜夜夜夜夜久久久久| 91av网站免费观看| 欧美成人性av电影在线观看| 村上凉子中文字幕在线| 一二三四社区在线视频社区8| 又大又爽又粗| 日韩欧美在线二视频| 亚洲一区中文字幕在线| 成人av一区二区三区在线看| 在线观看一区二区三区激情| 女性生殖器流出的白浆| 亚洲五月婷婷丁香| 精品一区二区三区四区五区乱码| 老司机亚洲免费影院| 宅男免费午夜| 午夜免费激情av| 亚洲欧美日韩高清在线视频| 亚洲人成网站在线播放欧美日韩| 91精品三级在线观看| 亚洲五月婷婷丁香| 成人三级做爰电影| 久久香蕉国产精品| 欧美人与性动交α欧美精品济南到| 在线播放国产精品三级| 激情在线观看视频在线高清| 在线免费观看的www视频| 69精品国产乱码久久久| 亚洲中文日韩欧美视频| 男人舔女人的私密视频| 欧美日韩黄片免| 岛国视频午夜一区免费看| 久久久精品国产亚洲av高清涩受| 久久精品国产综合久久久| 成人三级黄色视频| 久久亚洲真实| 高潮久久久久久久久久久不卡| 欧美日韩黄片免| 少妇被粗大的猛进出69影院| 午夜精品久久久久久毛片777| 欧美老熟妇乱子伦牲交| 高清黄色对白视频在线免费看| 精品久久久久久成人av| 91在线观看av| 一级毛片精品| 一级毛片女人18水好多| 免费在线观看影片大全网站| 久久久水蜜桃国产精品网| 后天国语完整版免费观看| 日韩大尺度精品在线看网址 | 久久精品亚洲精品国产色婷小说| 18禁观看日本| 中文字幕另类日韩欧美亚洲嫩草| 日韩免费高清中文字幕av| 美女大奶头视频| 亚洲国产欧美一区二区综合| 欧美丝袜亚洲另类 | 成年女人毛片免费观看观看9| 欧美最黄视频在线播放免费 | 性色av乱码一区二区三区2| 熟女少妇亚洲综合色aaa.| 国产精品一区二区精品视频观看| 亚洲熟女毛片儿| 国产av一区在线观看免费| 变态另类成人亚洲欧美熟女 | 亚洲一区二区三区色噜噜 | 国产欧美日韩一区二区精品| 国产激情久久老熟女| 黄色 视频免费看| 午夜福利免费观看在线| 无人区码免费观看不卡| 精品卡一卡二卡四卡免费| 精品人妻1区二区| 亚洲欧美精品综合久久99| 黄色毛片三级朝国网站| 大型黄色视频在线免费观看| 一个人免费在线观看的高清视频| 久久久久国产一级毛片高清牌| 身体一侧抽搐| 国产一区二区三区在线臀色熟女 | netflix在线观看网站| 色婷婷久久久亚洲欧美| 脱女人内裤的视频| 动漫黄色视频在线观看| 久久久久久大精品| 亚洲国产中文字幕在线视频| 亚洲自偷自拍图片 自拍| 在线免费观看的www视频| 午夜老司机福利片| 老司机在亚洲福利影院| 国产精品久久久人人做人人爽| 青草久久国产| 美女福利国产在线| 三上悠亚av全集在线观看| 日韩 欧美 亚洲 中文字幕| 波多野结衣av一区二区av| 亚洲五月婷婷丁香| 在线观看免费高清a一片| 天天躁夜夜躁狠狠躁躁| 欧美日韩乱码在线| 日本wwww免费看| 侵犯人妻中文字幕一二三四区| 一个人免费在线观看的高清视频| 午夜老司机福利片| 69精品国产乱码久久久| 亚洲欧美一区二区三区久久| 日韩成人在线观看一区二区三区| 欧美日韩乱码在线| 国产精品一区二区在线不卡| 9色porny在线观看| 亚洲自偷自拍图片 自拍| 欧美午夜高清在线| 两性夫妻黄色片| 啦啦啦在线免费观看视频4| 亚洲精品一区av在线观看| 老司机靠b影院| 美女大奶头视频| 国产精品偷伦视频观看了| 精品卡一卡二卡四卡免费| av在线播放免费不卡| 在线观看免费日韩欧美大片| 又黄又粗又硬又大视频| 欧美日韩精品网址| 精品福利观看| 女性生殖器流出的白浆| 夜夜躁狠狠躁天天躁| 免费少妇av软件| 国产精品久久视频播放| 亚洲中文日韩欧美视频| 在线观看一区二区三区| 首页视频小说图片口味搜索| 天天躁夜夜躁狠狠躁躁| 成人手机av| 国产精品国产高清国产av| 亚洲九九香蕉| 国产精品电影一区二区三区| 少妇被粗大的猛进出69影院| 日韩一卡2卡3卡4卡2021年| 国产精品乱码一区二三区的特点 | 国产蜜桃级精品一区二区三区| 最新在线观看一区二区三区| 亚洲一区二区三区色噜噜 | 精品一区二区三区四区五区乱码| 欧美日韩瑟瑟在线播放| 亚洲av成人av| 人妻久久中文字幕网| 每晚都被弄得嗷嗷叫到高潮| 亚洲欧美一区二区三区黑人| 人人澡人人妻人| 无遮挡黄片免费观看| 欧美乱妇无乱码| 黄色 视频免费看| 一进一出抽搐动态| 在线视频色国产色| 黑人猛操日本美女一级片| 国产av一区二区精品久久| 久久人妻av系列| 国产欧美日韩精品亚洲av| 久久 成人 亚洲| 大陆偷拍与自拍| 久久精品亚洲熟妇少妇任你| 免费看十八禁软件| 少妇粗大呻吟视频| 亚洲免费av在线视频| 欧美在线黄色| 国产aⅴ精品一区二区三区波| 日本精品一区二区三区蜜桃| 在线国产一区二区在线| 少妇裸体淫交视频免费看高清 | 亚洲av美国av| 满18在线观看网站| 一级黄色大片毛片| 国产欧美日韩一区二区精品| av天堂在线播放| 精品欧美一区二区三区在线| av视频免费观看在线观看| 国产精品 欧美亚洲| 1024香蕉在线观看| 国产成人免费无遮挡视频| 久久中文字幕人妻熟女| 97人妻天天添夜夜摸| 在线观看免费日韩欧美大片| 好男人电影高清在线观看| 成人国语在线视频| 日本 av在线| 国产高清国产精品国产三级| 国产一区二区激情短视频| 黑人操中国人逼视频| 免费女性裸体啪啪无遮挡网站| 欧美日韩瑟瑟在线播放| 91国产中文字幕| 好男人电影高清在线观看| 欧美中文日本在线观看视频| 国产蜜桃级精品一区二区三区| 淫妇啪啪啪对白视频| 国产精品爽爽va在线观看网站 | 色综合欧美亚洲国产小说| 三上悠亚av全集在线观看| 久久久久久亚洲精品国产蜜桃av| avwww免费| 精品第一国产精品| videosex国产| 久久久久国产精品人妻aⅴ院| 丝袜人妻中文字幕| 日韩免费av在线播放| 十分钟在线观看高清视频www| 一a级毛片在线观看| 久久国产精品人妻蜜桃| 露出奶头的视频| 欧美性长视频在线观看| 丝袜人妻中文字幕| 欧美+亚洲+日韩+国产| 日本vs欧美在线观看视频| 亚洲精品一区av在线观看| 亚洲成a人片在线一区二区| 91成人精品电影| 狂野欧美激情性xxxx| 天天影视国产精品| 首页视频小说图片口味搜索| 色哟哟哟哟哟哟| 国产野战对白在线观看| aaaaa片日本免费| 黑人巨大精品欧美一区二区蜜桃| 18禁黄网站禁片午夜丰满| 亚洲一码二码三码区别大吗| 777久久人妻少妇嫩草av网站| 国产精品久久视频播放| 不卡一级毛片| 国产色视频综合| 亚洲熟女毛片儿| 午夜精品在线福利| 大型黄色视频在线免费观看| 国产国语露脸激情在线看| 午夜精品国产一区二区电影| 一级作爱视频免费观看| ponron亚洲| 三级毛片av免费| 亚洲自拍偷在线| 亚洲精品国产一区二区精华液| 亚洲视频免费观看视频| 成人18禁在线播放| 一a级毛片在线观看| 午夜成年电影在线免费观看| 少妇被粗大的猛进出69影院| 最新美女视频免费是黄的| 久久久水蜜桃国产精品网| 亚洲国产欧美网| 性色av乱码一区二区三区2| 99久久综合精品五月天人人| 他把我摸到了高潮在线观看| 欧美久久黑人一区二区| 日本精品一区二区三区蜜桃| 人人澡人人妻人| 国产一区二区三区综合在线观看| 男男h啪啪无遮挡| 18禁美女被吸乳视频| 手机成人av网站| 又大又爽又粗| 国产高清视频在线播放一区| 97超级碰碰碰精品色视频在线观看| 搡老岳熟女国产| 欧美中文日本在线观看视频| 亚洲精品在线观看二区| 操美女的视频在线观看| 亚洲成人精品中文字幕电影 | 99久久99久久久精品蜜桃| 久久99一区二区三区| 黄色成人免费大全| 国产色视频综合| 好男人电影高清在线观看| 国产97色在线日韩免费| 精品一区二区三卡| 制服人妻中文乱码| 亚洲精品国产精品久久久不卡| netflix在线观看网站| 满18在线观看网站| 亚洲欧美激情在线| 国产欧美日韩综合在线一区二区| 国产深夜福利视频在线观看| 成人亚洲精品av一区二区 | 我的亚洲天堂| 精品久久久久久久毛片微露脸| 1024视频免费在线观看| 欧美日韩黄片免| 日本vs欧美在线观看视频| 久久精品aⅴ一区二区三区四区| 人人妻人人添人人爽欧美一区卜| 午夜福利免费观看在线| 国产成+人综合+亚洲专区| 亚洲精华国产精华精| 欧美亚洲日本最大视频资源| 桃红色精品国产亚洲av| 一进一出抽搐gif免费好疼 | 超碰97精品在线观看| 视频区图区小说| 亚洲成人免费av在线播放| 成人三级做爰电影| 久久久国产欧美日韩av| av天堂久久9| 黑人巨大精品欧美一区二区蜜桃| 亚洲欧美精品综合久久99| 国产精品免费一区二区三区在线| 丰满人妻熟妇乱又伦精品不卡| 亚洲熟妇熟女久久| 亚洲国产欧美网| av超薄肉色丝袜交足视频| 国产高清视频在线播放一区| 国产单亲对白刺激| 宅男免费午夜| 国产成人精品久久二区二区免费| 老汉色av国产亚洲站长工具| av国产精品久久久久影院| 久久精品影院6| 好看av亚洲va欧美ⅴa在| 男女下面插进去视频免费观看| 超碰成人久久| 国产精品九九99| 中文字幕精品免费在线观看视频| 久久精品成人免费网站| 一进一出抽搐gif免费好疼 | 久久亚洲精品不卡| 国产99久久九九免费精品| 久久人妻熟女aⅴ| 亚洲熟女毛片儿| 久久精品影院6| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美精品亚洲一区二区| 成年人黄色毛片网站| 村上凉子中文字幕在线| 男女高潮啪啪啪动态图| 女生性感内裤真人,穿戴方法视频| 日韩国内少妇激情av| 国产精品成人在线| 久久久国产欧美日韩av| 久久人妻av系列| 香蕉丝袜av| 麻豆成人av在线观看| 国产国语露脸激情在线看| 亚洲精品久久成人aⅴ小说| 免费一级毛片在线播放高清视频 | 男人操女人黄网站| 女人高潮潮喷娇喘18禁视频| 大码成人一级视频| 亚洲视频免费观看视频| 国产亚洲精品综合一区在线观看 |