SLIC Superpixels Compared to State-of-the-art Superpixel Methods

SLIC是Video Salient Object Detection via Fully Convolutional Networks中用到的超像素Superpixels 方法，Superpixels 的定义是把原始图像的像素聚合成多个块，每个块就是Superpixels ，而Superpixels 可以更好地把图像中物体的特征聚合，每个Superpixels内部的像素特征具有很强的一致性，便于特征提取。SLIC就是把原来图像的N个像素点预分割成k个相同尺寸的超像素，每个超像素的大小为N/k，只在规定大小区域而不是整张图像上搜索与初始化种子点相似的点以聚合并最终达到收敛。对于较大的超像素，空间距离比颜色距离重要，应该给予更大的权重，较小的超像素正好相反。通过调整公式 中的m值，当m比较大时，空间距离比重更大，产生的超像素紧密度更好（如周长更小）。当m比较小时，生成的超像素更加贴合边缘，但是大小和形状也更不规则。所以m比较大适合于单调简单的目标，m比较小适合于复杂的目标。