《表1 不同算法的指标对比》

  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

《基于鲁棒连续聚类的图像超像素分割方法》

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

由于基于RCC算法，本文算法不可以指定超像素的个数，所以不能有效地与其它的超像素分割算法进行各项指标上的对比。为了得到比较客观的结果，取本文算法分割后的超像素个数的平均值60作为参考，用60作为指定的超像素个数用于对比算法。但是FH也是不能指定超像素的个数的，所以在实验时通过调整参数使得FH分割得到的超像素个数的平均值与本文相同也是60。所有算法的参数和上文相同。本文在achievable segmentation accuracy（ASA），Boundary recall（BR），undersegmentation error（UE）以及运行时间等指标上进行了评估，实验结果如表1所示。本文算法结合了图像边缘信息，分割出的超像素更加贴合边界但是这些边界可能更多的是背景边界，所以在BR上较好但不突出。同时由于本文算法分割出的超像素形状较为不规则并且大小相差较大，所以在ASA和UE上存在不足。