基于暗块提取的无监督语义分割算法

提出一种针对单张图片进行处理的无监督语义分割算法，可以自适应得到每幅图像的类别数，并输出语义分割结果。首先，分别采用Felzenszwalb算法和SLIC算法(simple linear interative cluster)对图像进行预分割，获得图像的两种预超像素表示，对两种预超像素表示进行融合获得图像的最终超像素表示；其次，根据图像最终的超像素表示，使用暗块提取算法得到分类类别数以及可靠性强的类别标签；再次，使用得到的类别数以及类别标签来对由栈式编码器和softmax分类器组成的分类系统进行训练，再使用训练好的分类系统对整幅图像进行预测得到每个像素的标签；最后，对超像素块内的像素标签进行投票，选取标签数量最多的标签为这个超像素块内所有像素的标签。实验结果表明，与当前的一些分割算法相比，本算法能获得更好的语义分割效果。