基于改進的SLIC超像素分割算法

許曉東，張雷，焦小雪，廉桂城

（河北工程大學 數理科學與工程學院，河北邯鄲， 056038）

0 引言

圖像分割作為數字圖像處理的關鍵組成部分，其目的是將圖像中感興趣的部分提取出來。發展至今已有很多分割算法被提出和廣泛應用。例如在模式識別、人工智能、醫學影像、深度估計[1]等領域，可以利用圖像分割技術對既定的目標進行定位及跟蹤。

按照技術路線的不同可將圖像分割技術分為：基于閾值、聚類、圖論以及深度學習等。其中基于閾值分割算法的原理一般為：通過設置一個門限閾值對圖像進行二分類，將大于該閾值的像素置1否則置0。其目的是，為了識別和提取圖像中感興趣的部分。但對于大多情況下，僅用該方法是無法找到一個適合全局的分割閾值。

對于基于聚類的分割算法，其本質是利用了樣本之間的相似度。通過設置的相似度函數將性質相似的樣本或對象聚合為一類，從而實現分割的目的。常用的聚類分割算法有K-means[2]、FCM[3]等。

本文所提的改進的SLIC算法屬于聚類分割算法。但該算法在執行之前需要手動設置預分割超像素的個數，自適應性較差。因此本文提出了相應改進的SLIC超像素分割算法。具體改進在于，能夠自適應地設置預分割超像素的塊數以及優化了最終分割的效果。

1 基于改進的SLIC圖像分割算法

■1.1 SLIC超像素分割算法

超像素的概念最早是由Ren等人[4]提出的，具體指的是那些位置相鄰且顏色、紋理等特征相似的像素點組成的區域塊。……