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(jì)算機(jī)視覺以及圖像處理等領(lǐng)域中一個(gè)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(duì)像素進(jìn)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(jì)算機(jī)視覺等各種任務(wù)時(shí)，可以顯著提高處理效率。
　　由于自然

2、圖像自身的復(fù)雜性，在對(duì)圖像進(jìn)行超像素分割時(shí)，圖像像素的各個(gè)特征會(huì)相互影響，互相制衡，如何有效利用圖像像素的各種特征進(jìn)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(kuò)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(kuò)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(kuò)散的算法不僅考慮了兩個(gè)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(kuò)散的超像素分割算法一般基于測(cè)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(gè)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(jī)的普及，深度圖像受到越來越廣泛的應(yīng)用，如何對(duì)深度圖像進(jìn)行超像素分割也具有重要的研究意義，針對(duì)以上問題，本文重點(diǎn)進(jìn)行了以下研究工作:
　　(1)針對(duì)于之前的基于幾何流擴(kuò)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(kuò)散過程的角度進(jìn)行分析，認(rèn)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(gè)距離函數(shù)綜合像素的各個(gè)特征，來衡量超像素的種子點(diǎn)（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(gè)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(duì)圖像提取主結(jié)構(gòu)，之后基于圖像的局部復(fù)雜度，使

5、用神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖像的各個(gè)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(gè)特征對(duì)圖像進(jìn)行超像素分割，進(jìn)一步提高超像素分割的精度。
　　(3)針對(duì)帶深度的RGBD圖像的超像素分割問題進(jìn)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(jī)參數(shù)將二維深度圖像轉(zhuǎn)換為三維點(diǎn)云，因此可以獲得更豐富的三維幾何信息。之前針對(duì)于深度圖像的超像素分割算法主要基于歐式距離，因此對(duì)于很多邊界，尤其是室內(nèi)場(chǎng)景中存在的兩邊具有相似內(nèi)容的圖像邊