一种改进超像素融合的图像分割方法.docx

一种改进超像素融合的图像分割方法余洪山张文豪杨振耕李松松万琴林安平摘要：基于超像素的传统图像分割方法在边缘分割的一致性、计算效率和融合算法的自适应性等方面仍存在诸多问题.文章结合国内外相关研究进展，提出了一种新型超像素融合的图像分割方法.方法采用ERS超像素过分割算法，以强度、梯度直方图作为超像素特征，并采取EMD方法计算特征距离，通过混合Weibull模型获取融合自适应阈值，进而完成分割.算法时间复杂度降至为O（N），分割过程中不需要手动选取待分割区域，有效提高了算法的自适应性.实验结果表明本方法在分割边界准确度和处理效率方面优于现有方法.关键词：超像素；区域融合；陆地移动距离；混合Weibull模型；图像分割：TP273文献标志码：AAbstract：Traditionalimagesegmentationmethodsbasedonsuperpixelstillhavemanyproblemsintermsofconsistencyofedgesegmentation，computationalefficiencyandadaptabilityofmergingalgorithms.Wecombinedomesticandforeignresearchadvancesandproposeanovelsuperpixelmergingimagesegmentationmethod，whichadoptsERSsuperpixeloversegmentationalgorithmandusesintensityandgradienthistogramassuperpixelfeatures.Additionally，EMDmethodisusedtocalculatefeaturedistanceandthemergingself-adaptivethresholdisobtainedbymixingWeibullmodeltocompletethesegmentation.Asaresult，thetimecomplexityofproposedalgorithmisreducedtoO（N），andthesegmentationprocessisnotrequiredtomanuallyselecttheregiontobesegmented.Comparedwithcurrentmethods，experimentresultsshowthattheproposedmethodhasbetterperformanceonboundaryaccuracyandprocessingefficiency.Keywords：superpixel；regionmerging；earthmoversdistance；weibullmixturemodel；imagesegmentation图像分割是利用颜色、纹理和灰度等特征将图像分割成一定数量的符合人类视觉感知分类的区域.由于自然图像中场景的复杂性，加之人的视觉感知上的主观性，人们对图像场景理解不尽相同，因此图像分割一直是计算机视觉中的一个难点.传统方法以像素为基本处理单元，使得算法时间消耗大、效率低.超像素是指具有相似纹理、颜色和亮度等特征的相邻像素构成的图像块[1]，它利用像素之间特征的相似程度将像素分组，在很大程度上降低了后续图像处理任务的复杂度.然而超像素分割会对图像产生过分割，并不能达到符合人的视觉感知的分割结果.超像素算法多用于图像分割预处理，在后续图像处理中用超像素来代替像素，大大降低了时间的消耗.目前，基于超像素融合的圖像分割研究开始获得越来越多的关注，典型方案有基于SLIC或Normalizedcuts产生超像素过分割，然后提取超像素的特征（颜色、纹理和直方图等），再基于一定的相似性度量标准计算相邻两个超像素的特征相似性距离.HsuCY等[2]提出了基于谱聚类的融合策略，该方法通过对SLIC产生的超像素进行谱聚类取得了较高的效率，但其对于复杂场景的分割结果不够理想.SongX等[3]采用了基于分层超像素的区域融合策略-MSRM（maximalsimilaritybasedregionmerging）[4]，针对前景对象很少的图像，该方法可以得到较好的分割结果，但需要人为给定前景对象所在的大致矩形区域.当场景前景对象很多且分散时，该算法将很难处理，因此存在很大的局限性.HanB等[5]利用Normalizedcuts[6]产生超像素，基于直方图的相似性度量计算相邻超像素间的非相似性距离来完成对图像的分割.该方法虽然对相似的超像素进行了融合，但是融合比较保守导致分割结果过于细化，即在明显应该分割为一个对象的区域中存在没有融合的超像素边界.综上所述，目前基于超像素融合