保持邊緣的超像素分割算法研究.pdf

1、計算機(jī)和互聯(lián)網(wǎng)的興起帶來的數(shù)據(jù)膨脹不可避免，照相機(jī)等設(shè)備的更新?lián)Q代使得圖片的尺寸越來越大，給圖像處理帶來了越來越大的內(nèi)存消耗和計算負(fù)擔(dān)。而且，圖片尺寸的變大不代表圖片中內(nèi)容數(shù)量的增加，而是內(nèi)容的表達(dá)越來越精細(xì)。所以，對于一些純色的區(qū)域，擁有成百上千相同顏色的像素，而它們本屬于同一物體，在認(rèn)知上是一致的，卻逐像素點(diǎn)的去分析，這就造成的信息的冗余和計算的浪費(fèi)。所以，是否存在預(yù)處理方法，可以提前把圖像中相似的像素聚合到一起，作為一個整體去分析

2、？答案是存在的，這樣的預(yù)處理方法，叫做超像素分割。
　　超像素分割，也稱為過分割，目的在于根據(jù)像素間的相似性，提前把圖像分割成多個區(qū)域。從而在后續(xù)的圖像分析算法中，可以不再以像素為單位，而是以區(qū)域為單位提取其特征。這將極大的減少了圖像分析算法的存儲和計算復(fù)雜度，使得超像素分割最近成為一個很熱的研究領(lǐng)域。在這篇文章中，我們的重點(diǎn)就是研究性能更好的超像素分割算法。
　　以往的超像素方法主要分成兩種:基于圖分割的算法和基于梯度的算

3、法。對于基于圖分割的算法，它們往往先從圖像中獲取一個無向圖結(jié)構(gòu)，再通過優(yōu)化基本圖分割能量方程，不斷的對無向圖進(jìn)行分割，直到生成最后的超像素分割結(jié)果為止。不同的算法有不同的圖分割能量方程定義，以及不同的優(yōu)化方法。然而，即使是最簡單的能量方程，在求解過程中也是一個NP-hard的問題，并且是在整個全局圖像去求解的，需要占用很高的時間復(fù)雜度。對于基于梯度的方法，一般先選取一定數(shù)量的像素點(diǎn)作為種子點(diǎn)，然后利用其它像素到種子點(diǎn)的距離（差異性）對其

4、它的像素點(diǎn)進(jìn)行聚類。然而，不管是使用基于顏色和坐標(biāo)的歐式距離，還是基于路徑的測地距離，它們對圖像中邊緣信息的保護(hù)并不理想。而且，往往需要多次相同的迭代計算，才能將超像素分割結(jié)果在保護(hù)圖像邊緣上收斂到好的效果，這就導(dǎo)致了基于梯度的算法運(yùn)行效率十分低下。
　　最近，一種新的距離定義——樹距離進(jìn)入了我們的視野。如果把圖像視為一個無向圖結(jié)構(gòu)，結(jié)點(diǎn)由像素組成，邊由像素之間的四領(lǐng)域關(guān)系組成，邊的權(quán)重是鄰接像素的顏色差。從無向圖當(dāng)中，我們可以提

5、取一個最小生成樹MST，因為大權(quán)重的邊（往往在邊緣部分）在建樹過程中會被去除，所以最小生成樹結(jié)構(gòu)可以突出圖像中的邊緣信息。樹距離，是定義在MST中的距離，由MST上的兩個結(jié)點(diǎn)之間相連接的路徑?jīng)Q定。由于路徑是通過一系列權(quán)重最小的邊所連接的，所以可以避開權(quán)值大的邊（已被去除的邊），使得定義在MST上的樹距離能夠更好的描述邊緣兩測（不同區(qū)域）像素之間的差異性，在保邊性圖像平滑，立體視覺匹配領(lǐng)域得到了廣泛的應(yīng)用。
　　在這篇文章中，我們基

6、于樹距離設(shè)計了一種能夠更好的保護(hù)圖像中邊緣信息的超像素分割算法。該算法包括對圖像單層分割的步驟和多層分割的策略。對于單層的超像素分割，首先:一種類似于泊松采點(diǎn)的方法被用于在最小生成樹上均勻的采取種子點(diǎn)，作為類中心點(diǎn);然后:我們使用最近鄰的方法，把每一個剩余的像素點(diǎn)基于樹距離分類給其最近的類中心點(diǎn)。然而，如果一次產(chǎn)生的分割數(shù)量很少，會導(dǎo)致類中心點(diǎn)的數(shù)量減少，類中心點(diǎn)的間距變大，使得累積計算的樹距離受圖像紋理的影響增大。因此，在本文中，我們