《表2 本文方法与其他算法分割结果的性能评估Tab.2 The performance evaluation of this paper》

《表2 本文方法与其他算法分割结果的性能评估Tab.2 The performance evaluation of this paper》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《一种改进超像素融合的图像分割方法》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

从以上指标可以得出,PRI越高,VOI,BDE越小,则分割结果的性能越好.本文分割方法与Normalized cut(Ncut)[6],Mean Shift[22],Ultrametric Contour Maps(UCM)[23],Segmentation by Aggregating Superpixels(SAS)[24],SLIC-DBSCN算法以及PO算法的量化比较如表2所示,其中文献[6]、[22]、[23]、[24]的性能量化数据来自于文献[2],实验数据集采用BSD.