Matlab 标准化切割:这个代码做什么?
我正在经历一些,但我不知道下面的代码是做什么的:Matlab 标准化切割:这个代码做什么?,matlab,image-processing,computer-vision,image-segmentation,Matlab,Image Processing,Computer Vision,Image Segmentation,我正在经历一些,但我不知道下面的代码是做什么的: % degrees and regularization d = sum(abs(W),2); dr = 0.5 * (d - sum(W,2)); d = d + offset * 2; dr = dr + offset; W = W + spdiags(dr,0,n,n); 偏移量定义为0.5 W是一个正方形、稀疏的对称矩阵(W_ij由像素i和j之间的相似性定义)。 然后使用W来解决特征值问题d^(-1/2)(d-W)d^(-1/2)x=\
% degrees and regularization
d = sum(abs(W),2);
dr = 0.5 * (d - sum(W,2));
d = d + offset * 2;
dr = dr + offset;
W = W + spdiags(dr,0,n,n);
偏移量定义为0.5
W
是一个正方形、稀疏的对称矩阵(W_ij
由像素i
和j
之间的相似性定义)。
然后使用W
来解决特征值问题d^(-1/2)(d-W)d^(-1/2)x=\lambda x
由于权重的定义方式,w_ij
都是正的,因此dr
是0的向量
补偿是为了什么?他们是如何选择的?偏移量*2的原因是什么?我觉得这是为了避免某些情况下的潜在陷阱。这些可能是什么
非常感谢您的帮助,谢谢 我相信您遇到了一段由编写的代码。
实际上,当W
为正值时,此代码无效,这是NCUT的常见情况。
然而,在一个例子中,Yu和Shi将NCUT扩展到处理消极的互动以及积极的互动。在这些情况下,dr
(r表示“排斥”)起着重要作用
说到负权重,我必须说,就我个人而言,我不同意于和施的方法。
我坚信,当存在排斥信息时,目标函数比扩展的NCuts目标要好得多。我用负权重进行的一些图像分割实验的结果表明,相关聚类目标比扩展的NCUT更好。您能发布一个指向您所参考的NCUT代码的链接吗?@Shai you go-@user2121792非常欢迎您。如果你遇到负面的亲和力,请告诉我,我对它们有一个特别的偏好:)