转自：http://blog.csdn.net/anshan1984/article/details/8918167

最近实验需要用到超像素的一些算法，之前也有看过一下分水岭这个老算法，想着找找近年来的新算法，跟上时代的步伐。。然后找到这个。。虽然截至13年，但也是至今为止影响力较大的一些算法了，这两年的许多文章是基于这些算法改进的。感谢大神整理~

超像素分割(Superpixel Segmentation）技术发展情况梳理

当前更新日期：2013.06.10

一. 基于图论的方法(Graph-based algorithms)：

1. Normalized cuts, 2000.

Jianbo Shi and Jitendra Malik. Normalized cuts and image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), 22(8):888–905,  2000.

T. Cour, F. Benezit, and J. Shi. Spectral segmentation with multiscale graph decomposition. In IEEE Computer Vision and Pattern Recognition (CVPR) 2005, 2005.

Project Home Page:

http://www.cis.upenn.edu/~jshi/software/

http://www.timotheecour.com/software/ncut/ncut.html

2. Graph-based segmentation, 2004.

Pedro Felzenszwalb and Daniel Huttenlocher. Efficient graph-basedimage segmentation. International Journal of Computer Vision (IJCV),59(2):167–181, September 2004.

Project Home Page: http://cs.brown.edu/~pff/segment/

3. Graph cuts method, 2008.

Alastair Moore, Simon Prince, Jonathan Warrell, Umar Mohammed, andGraham Jones. Superpixel Lattices. IEEE Computer Vision and PatternRecognition (CVPR), 2008.

Project Home Page: http://www.cs.sfu.ca/~mori/research/superpixels

4. GCa10 and GCb10, 2010.

O. Veksler, Y. Boykov, and P. Mehrani. Superpixels and supervoxels in an energy optimization framework. In European Conference on Computer Vision (ECCV), 2010.

Project Home Page: http://www.csd.uwo.ca/~olga/

5. Entropy Rate Superpixel Segmentation, 2011.

Ming-Yu Liu, Tuzel, O., Ramalingam, S. , Chellappa, R., Entropy Rate Superpixel Segmentation, CVPR,2011.

Project Home Page:http://www.umiacs.umd.edu/~mingyliu

6. Superpixels via Pseudo-Boolean Optimization, 2011.

Yuhang Zhang, Richard Hartley, John Mashford and Stewart Burn, Superpixels via Pseudo-Boolean Optimization, International Conference on Computer Vision (ICCV), 2011.

http://yuhang.rsise.anu.edu.au/yuhang/misc.html

二. 基于梯度下降的方法(Gradient-ascent-based algorithms)：

1. Watershed,1991.

Luc Vincent and Pierre Soille. Watersheds in digital spaces: An efficient algorithm based on immersion simulations. IEEE Transactions on Pattern Analalysis and Machine Intelligence, 13(6):583–598, 1991.

2. Mean Shift, 2002.

D. Comaniciu and P. Meer. Mean shift: a robust approach toward featurespace analysis. IEEE Transactions on Pattern Analysis and MachineIntelligence, 24(5):603–619, May 2002.

3. Quick Shift, 2008

A. Vedaldi and S. Soatto. Quick shift and kernel methods for mode seeking. In European Conference on Computer Vision (ECCV), 2008.

Project Home Page: http://www.vlfeat.org/download.html

4. Turbopixel, 2009.

A. Levinshtein, A. Stere, K. Kutulakos, D. Fleet, S. Dickinson, and K. Siddiqi. Turbopixels: Fast superpixels using geometric flows. IEEETransactions on Pattern Analysis and Machine Intelligence (PAMI),2009.

Project Home Page: http://www.cs.toronto.edu/~babalex/

5. SLIC, 2010.

R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua, and S. Susstrunk , SLIC Superpixels, 2010.

Project Home Page: http://ivrg.epfl.ch/research/superpixels

6.SEEDS, 2012.

M. Van den Bergh, X. Boix, G. Roig, B. de Capitani, L. Van Gool.SEEDS: Superpixels Extracted via Energy-Driven Sampling, ECCV 2012.

Project Home Page:http://www.vision.ee.ethz.ch/~boxavier/seeds/

超像素分割(Superpixel Segmentation）发展相关推荐

1. 真正的端到端超像素网络——Superpixel Segmentation with Fully Convolutional Networks(CVPR2020)

   0. 传送门 论文地址:https://arxiv.org/abs/2003.12929 github地址:https://github.com/fuy34/superpixel_fcn 1. 简介 ...

2. 图像分割：Python的SLIC超像素分割

   图像分割:Python的SLIC超像素分割 1. 什么是超像素? 2. 为什么超像素在计算机视觉方面有重要的作用? 3. 简单线性迭代聚类(SLIC) 4. 效果图 5. 源码 参考 1. 什么是超像 ...

3. SLIC 超像素分割详解（三）：应用

   看过上面的介绍后,我们应该思考一下:分割好的超像素有什么用?怎么用?用到哪里? 首先,超像素可以用来做跟踪,可以参考卢湖川课题组发表在IEEE TIP上的<Robust superpixeltr ...

4. 超像素分割算法————综述

   参考:超像素-学习笔记 什么是超像素?评价标准?SLIC.SEED.ETPS算法 比较的指标:图像边界的粘附性.算法速度.存储效率.分割性能 超像素算法:将像素组合成感知有意义的原子区域( atomi ...

5. 论文解读：《自适应非局部随机游动用于图像超像素分割》

   论文解读:<Adaptive Nonlocal Random Walks for Image Superpixel Segmentation> 1.文章概述 2.背景 2.1 现有的超像素 ...

6. VLFeat SLIC超像素分割(Cpp版)

   这段时间对VLFeat的C接口非常的感兴趣,以前用的都是其Matlab接口,虽然很方便,而且提供的Matlab接口要比C接口功能更强大,但Matlab终归只能用来做一下快速的方法验证,所以想比较完整的 ...

7. julia 调用python库_Julia调用Python实现超像素分割SLIC算法

   最近想要在julia中实现 Simple Linear Iterative Clustering (SLIC) 算法对图像进行超像素分割,关于SLIC超像素分割算法,请参考SLIC Superpixe ...

8. 超像素分割与超像素合并/区域合并/多尺度分割

   最近两年,超像素分割方法非常火爆,计算机视觉.模式识别许多方向都兴起了超像素研究的热潮,提出的方法也比较多.其实这不是个什么新鲜的东西,以前的许多分割算法所获得的结果都可以称为超像素,如Watersh ...

9. MATLAB显示slic，quickshift超像素分割结果图

   首先介绍vlfeat库函数:vl_slic,vl_quickshift,vl_quckseg vl_slic  SLIC superpixels segments = vl_slic(im,regio ...

最新文章

1. 从“小”培养AI安全意识：OpenAI开源具有安全约束的RL训练工具
2. CDH集群中YARN的参数配置
3. 如何从0到1搭建电商促销系统？
4. 宝塔面板 创建 二级域名 Unable to round-trip http request to upstream
5. [Leetcode][第309题][JAVA][最佳买卖股票时机含冷冻期][动态规划][压缩空间]
6. 电脑键盘功能介绍_Excel应用041:全能电脑抽奖神器（功能介绍）（原创作品） ?...
7. 3-3Tensor和机器学习的关系
8. 光谱共焦的干涉测量原理及厚度测量模式
9. 面试题：Android 为什么设计只有主线程更新UI
10. java web象棋教程_【Java学习笔记】实战——网络象棋
11. 历史二—— 浮点运算与数组下标寻址
12. 臭名昭著的Java”
13. qmp32下载_U盘歌曲播放顺序调整教程
14. 微信消息推送神器【一封传话】介绍，让消息推送更简单
15. matlab ifft取实部,[合集] matlab中IFFT的问题
16. Excel IF 函数怎么用
17. matlab模糊控制图怎么导出_4步教你学会使用matlab模糊控制工具箱 | 学步园
18. DNS协议分析（域名解析）
19. 如何提高mysql插入速度_mysql技巧：提高插入数据(添加记录)的速度
20. [Other T]我Web上的咚咚~

热门文章

1. 门禁控制器的选购指南
2. jquery跳转、刷新页面大全
3. 零基础开始网页制作-前端开发
4. TCP MSS PMTU PING
5. linux卸载nginx（更新）
6. 华为模拟器eNSP防火墙向导配置
7. HTML---表格合并(详解)
8. 【产业互联网周报】销售易获腾讯1.2亿美元投资；国科恒泰完成11亿C轮融资；工信部、科技部推进大数据及人工智能...
9. 罗克韦尔自动化启用位于硅谷的新建电动汽车创新中心
10. Shopee末端物流智能提效之路