用于自然图像分割的带无噪在线低秩表示的自适应融合亲和图
计算机视觉与模式识别
2021-10-25 v1 机器学习
多媒体
摘要
基于亲和图的分割方法已成为计算机视觉中的主要趋势。这些方法的性能依赖于所构建的亲和图，尤其强调超像素间的邻域拓扑与成对亲和性。由于融合不同图的优势，多尺度融合图比单尺度单一图具有更好性能。然而，这些方法忽略了图像中的噪声，影响了成对相似度的准确性。多尺度组合分组与图融合也产生了更高的计算复杂度。本文中，我们提出一种用于自然图像分割的、以在线方式带无噪低秩表示的自适应融合亲和图（AFA-graph）。输入图像首先被过分割为不同尺度的超像素，然后通过所提改进核密度估计方法滤波。此外，我们基于超像素的子空间保持表示选取这些超像素的全局节点，其精确揭示了超像素的特征分布。为在提升性能的同时降低时间复杂度，使用基于无噪在线低秩表示的全局节点稀疏表示来获得各尺度上的全局图。该全局图最终用于更新建立于各尺度所有超像素之上的局部图。在 BSD300、BSD500、MSRC、SBD 和 PASCAL VOC 上的实验结果表明，与最先进方法相比，AFA-graph 的有效性。
引用
@article{arxiv.2110.11685,
title = {Adaptive Fusion Affinity Graph with Noise-free Online Low-rank Representation for Natural Image Segmentation},
author = {Yang Zhang and Moyun Liu and Huiming Zhang and Guodong Sun and Jingwu He},
journal= {arXiv preprint arXiv:2110.11685},
year = {2021}
}
备注
12 pages, 12 figures