Image Segmentation by Correlation Clustering

这是我们为石溪大学计算机视觉课程所做的图像分割相关聚类项目。该项目使用了VLFeat的SLIC超像素，并通过SVM进行训练。

1. superPixel.m: 初始超像素生成代码。

2. construct_superPixelGraph.m: 从超像素构建成对超像素图。

3. featureExtraction.m: 提取图中相邻超像素之间的成对特征。

4. ground_truth_by_maximum_consesus.m: 基于BSD数据集，我们对图像的分割采取最大共识来形成单个真实图像。

5. assign_label_to_edges.m: 使用真实数据为图的边分配+1或-1的标签。

6. train_classifier.m: 对提取的特征和分配的标签训练SVM分类器。

7. retrain_classifier.m: 用硬负样本重新训练分类器。

8. color_segments.m: 用于为图像中的不同部分着色。