圖像中的超像素生成方法.pdf

1、圖像的過分割技術(shù)，也即超像素分割一般作為計算機視覺以及圖像處理等領(lǐng)域中一個預(yù)處理步驟，是重要的研究課題之一。圖像的超像素分割是指根據(jù)圖像像素的各種特征（如顏色、紋理、空間位置等），對像素進行局部聚類，使得屬于同一超像素內(nèi)的像素具有相同或相似特征。相比于像素，超像素包含更多的局部信息，而且可以保持圖像中大部分的邊界及結(jié)構(gòu)，因此超像素作為更高一層的處理單元，應(yīng)用到圖像處理以及計算機視覺等各種任務(wù)時，可以顯著提高處理效率。
　　由于自然

2、圖像自身的復雜性，在對圖像進行超像素分割時，圖像像素的各個特征會相互影響，互相制衡，如何有效利用圖像像素的各種特征進行聚類，是圖像的超像素分割的關(guān)鍵問題[1-4]。由于基于擴散的超像素分割算法[5，6]相比于其他算法可以考慮到更多的圖像信息，本文主要基于擴散的超像素分割算法展開討論。與其他超像素生成算法相比，從內(nèi)向外擴散的算法不僅考慮了兩個像素之間的直接信息，還考慮了它們之間路徑上的信息，因而可以有效處理邊界兩邊具有相似圖像內(nèi)容的情形。

3、然而，傳統(tǒng)的在二維圖像上基于由內(nèi)向外擴散的超像素分割算法一般基于測地距離或者水平集，過多的考慮了路徑上的信息，因此不能較好的貼合模糊邊界。另外，紋理作為圖像中的一個重要特征，鮮少被應(yīng)用到圖像的超像素分割中。隨著深度相機的普及，深度圖像受到越來越廣泛的應(yīng)用，如何對深度圖像進行超像素分割也具有重要的研究意義，針對以上問題，本文重點進行了以下研究工作:
　　(1)針對于之前的基于幾何流擴散的算法不能較好的貼合模糊邊界的問題，本文從具體的

4、擴散過程的角度進行分析，認為主要原因是過多地考慮了中間路徑上的內(nèi)容。因此本文提出了基于泛洪算法的超像素分割方法，并通過一個距離函數(shù)綜合像素的各個特征，來衡量超像素的種子點（代表超像素）和像素之間的距離，從而可以提高超像素分割的精度。
　　(2)紋理特征可以作為圖像分割的一個重要的特征，本文將圖像的紋理特征考慮到超像素分割過程中，由于圖像的紋理特征圖存在邊界處比較模糊等問題，本文提出了先對圖像提取主結(jié)構(gòu)，之后基于圖像的局部復雜度，使

5、用神經(jīng)網(wǎng)絡(luò)訓練圖像的各個特征在距離函數(shù)中所占的權(quán)重，來綜合利用圖像像素的各個特征對圖像進行超像素分割，進一步提高超像素分割的精度。
　　(3)針對帶深度的RGBD圖像的超像素分割問題進行研究。帶深度的圖像相比于二維圖像包含更多的信息，而且可以利用相機參數(shù)將二維深度圖像轉(zhuǎn)換為三維點云，因此可以獲得更豐富的三維幾何信息。之前針對于深度圖像的超像素分割算法主要基于歐式距離，因此對于很多邊界，尤其是室內(nèi)場景中存在的兩邊具有相似內(nèi)容的圖像邊