我用的图象分割算法的弱点

最新推荐文章于 2024-10-18 23:58:55 发布
最新推荐文章于 2024-10-18 23:58:55 发布
阅读量1.6k 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zergbird/article/details/74355
博主尝试将问题转换为max - k - cut问题时遇到问题，原算法用边的weight和作为upbound基准，转换问题会改变该值，可能降低算法性能。虽分组结果影响不大，但离核心证明更远。之后博主发现metis功能强大且支持balance，计划周一与自己的算法进行比较。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

原来以为将weight*-1+Const就可以轻松把问题转成max-k-cut问题，但是现在发现有点小问题的

问题出在我用的算法的upbound用的是边的weight的和作为一个基准，做问题转换的时候会改变这个value，如果变的太大，将会降低算法性能，这点倒是一开始没有想到的。虽然最后分组的结果是不受很大的影响，但是感觉上离开核心证明又远了一步，总是让人不舒服。。。。

所以说那，多看论文是好的。。。又看了一些论文以后发现了metis，貌似功能强大，至少它直接支持balance，周1去和我的算法比较一下。。。欢畅。。。

zergbird
关注
【图像分割】基于遗传算法优化最大熵值法实现双阈值图像分割附matlab代码
qq_59747472的博客
07-25 555
利用遗传算法与最大熵值法相结合的算法对图像进行处理。通过结合遗传算法改善了最大熵值法运算速度慢的弱点，实现了图像的双阈值分割。正在上传…重新上传取消部分理论引用网络文献，若有侵权联系博主删除。httpshttpshttpshttpshttpshttps。......
图割与最大流和连续最大流算法
06-20 8234
在图像分割中，图割是近年来十分流行的交互式分割方法。与比它早一些出现的水平集、活动轮廓等分割方法相似，都是基于能量最小化的最优求解从而得到分割结果，不同的是其结果能得到全局最优解。 在离散域中，图像的分割可以通过使以下能量函数最小化得到： 其中
思考: 现有 图像分割算法 的缺陷
JNing
12-17 4252
设计缺陷 人们在关注图像中的生命个体（尤其是人）的时候，关注点 往往 只是目标的脸和手脚 。这部分区域虽小，却给观者提供了对目标个体进行联想的绝大部分信息。 现有的图像分割算法 却 只是对均匀权重的像素点阵进行圈地运动 pixel-level segment 即便是图像分割算法中常提到的 pixel-level segment（像素级分割），其实 也只是 对均匀权重的像素点阵 进行的 无
最小割和K割问题
央阑的博客
06-18 6158
最小割和k割多向切割（Multiwaycut）定义多向切割k-割基于贪心和独立割的近似算法独立割算法实例基于最小割树的近似算法最小割树算法实例 首先来介绍一下割的概念。 给定一个连通无向图G=（V,E），边的权重为w，定义一个割，割是一组边的集合，当图中去掉这组边之后，图就分为了两个互不连通的连通分支。割中的每一条割边，都分别连接着这两个连通分支。如果我们设定两个端点s，t，分别属于两个连通分支，那么，这个割就称为s-t割。我们可以用最大流算法去求这个s-t割的最小割边权重和。 多向切割（Multiwayc
图割论文阅读笔记：Min-cut/Max-flow
shixiaolong
12-01 7268
An Experimental Comparison of Min-Cut/Max-Flow Algorithms for Energy Minimization in Vision摘要 提出一个新的min-cut/Max-Floe算法，并应用到计算机视觉邻域。在实验当中，比一般其他算法快好几倍，接近实时计算了。1 Interduction 最早的基于图的能量模型： 如何通过图割来最小化能
多向割和k-割
WisdomXLH的博客
11-14 1903
割的理论在精确算法的研究中占据了中心位置。 首先，我们来谈一下关于割的概念： 如下图所示，蓝色虚线即为一个割，它将整个图分成了两个集合（s和t），显然从图中删除这个割的边后会使整个图不连通 3.最大流和最小割 https://www.bilibili.com/video/BV1Q7411R7ie?from=search&seid=7776388931330246553（空降坐标46：42） 下面讲一下我对割和流的理解： 割的是容量——边上的权值 流的是流量——所有可能路径流
图像分割算法的优缺点比较
yongge14555的博客
06-11 3万+
本文章只做简单介绍各个分割方法，后续会对各个方法一一做详细介绍 数字图像处理常用的图像分割算法有： 基于阀值的分割方法。 基于边缘的分割方法。 基于区域的分割方法。 基于聚类分析的图像分割方法。 基于小波变换的分割方法。 基于数学形态学方法。 基于人工神经网络的方法。 基于遗传算法的方法。 阈值分割 1、原理 用一个或几个阈值将图像的灰度直方图分成几个类， 认为图像中灰度 值在同一类中的像...
传统与深度学习图像分割算法
aohun0743的博客
07-29 9663
Blog：https://blog.youkuaiyun.com/qq314000558/article/details/81632693 1998年以来，人工神经网络识别技术已经引起了广泛的关注，并且应用于图像分割。基于神经网络的分割方法的基本思想是通过训练多层感知机来得到线性决策函数，然后用决策函数对像素进行分类来达到分割的目的。这种方法需要大量的训练数据。神经网络存在巨量的连接，容易引入空间...
【论文速看】DL最新进展20241018-图像分割、医学图像分割
最新发布
qq_40734883的博客
10-18 430
【论文速看】DL最新进展20241018-图像分割
结合全局搜索算法和模糊C均值聚类方法进行图像分割
05-17
考虑到图像像素邻域依赖性，以及像素信息是为了增强空间分割结果的连续性。 此外，我们还采用新的距离而不是欧几里得距离公式，并且新算法的鲁棒性噪音。 仿真结果表明，新算法可以有效地避免传统FCM算法的产生。 ...
图像分割-snake算法 python版本
04-05
python版本的形态学snake算法，里面包含测试图片，可以运行测试
图像分割之（二）Graph Cut（图割）
热门推荐
zouxy09的专栏
01-23 20万+
图像分割之（二）Graph Cut（图割） zouxy09@qq.com http://blog.youkuaiyun.com/zouxy09          上一文对主要的分割方法做了一个概述。那下面我们对其中几个比较感兴趣的算法做个学习。下面主要是Graph Cut，下一个博文我们再学习下Grab Cut，两者都是基于图论的分割方法。另外OpenCV实现了Grab Cut，具体的源码解读见博
python opencv 分水岭算法对图像进行分割
TingHW的博客
11-28 1万+
import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('coin.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_IN...
OpenCV-Python——第22章：分水岭算法实现图像分割
YukinoAI的博客
03-15 1万+
目录 0 原理 1 举例说 1）二值化 2）去除图像中的所有的白噪声 3）提取肯定是硬币的区域 4）获得边界区域 5）标记区域 6）实施分水岭算法 0 原理 在地理学中，分水岭是一个山脊，该山脊通过不同的水系来区分排水区域。集水盆地是把水排入河流或水库的地理区域。分水岭变换把这些概念应用到灰度图像处理中，从而解决许多图像分割问题。 理解分水岭变换要求我们把灰...
Python下opencv使用笔记（十二）（k均值算法之图像分割）
我爱智能
07-24 3万+
k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。详细原理可索引下面一个博客：聚类分析笔记-K均值matlab算法（一）关于kmeans再谈几点认识： 重要的一点：聚类数目的问题。有的聚类、分类问题已经限制好了要聚类成几类，也就是聚类数目一定，那么这种聚类通常简单些，直
SLIC算法分割超像素原理及Python实现
duyue3052的博客
08-28 7955
为了从NYU数据集中得到分割标签，尝试用12年的SLIC算法，加上以关节点为中心的分割结果。 SLIC 原始链接 整个算法的输入只有一个，即超像素的个数K。图片原有N个像素，要分割成K个像素，那么每个像素的大小是N/K。超像素之间的距离（即规则情况下超像素的边长）就是S=√N/K。我们的目标是使代价函数（cost function）最小。具体到本算法中，就是每个像素到所属的中心点的距离...
python-opencv颜色提取分割
wang4959520的专栏
03-10 1万+
1.用于简单的对象检测、跟踪 2.简单前背景分割 #encoding：utf-8 #黄色检测 import numpy as np import argparse import cv2 image = cv2.imread('huang.png') color = [ ([0, 70, 70], [100, 255, 255])#黄色范围~这个是我自己试验的范围，可根据实际情况自行调整
Matlab图像开发章节5：弱点检测与仿真源码分析
3. sgomedwmedfilt.m：这个文件可能是用于执行基于自适应阈值的图像分割算法的脚本或函数。此类算法可以在保持图像重要特征的同时，有效地将图像分割成目标和背景。 4. med2simulation.m 和 med2test.m：这两个文件...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值