李阳2,
赵于前3,
刘毅志1
1.湖南科技大学计算机科学与工程学院 湘潭 411100
2.中南大学计算机学院 长沙 410083
3.中南大学自动化学院 长沙 410083
基金项目:国家自然科学基金(61702179, 61772555)，湖南省自然科学基金(2017JJ3091)，中国博士后科学基金(2018M632994)，湖南省教育厅资助科研项目(17C0643)
详细信息
作者简介:廖苗：女，1988年生，博士，讲师，硕士生导师，研究方向为数字图像处理、图像分割、模式识别
李阳：女，1993年生，博士，研究方向为数字图像处理，图像分割
赵于前：男，1973年生，博士，教授，博士生导师，研究方向为数字图像处理、模式识别、视频处理、信息安全等
刘毅志：男，1973年生，博士，副教授，硕士生导师，研究方向为数字图像处理、多媒体内容分析与检索
通讯作者:廖苗 liaomiaohi@163.com
中图分类号:TP391.41计量
文章访问数:3335
HTML全文浏览量:1113
PDF下载量:133
被引次数:0
出版历程
收稿日期:2019-02-26
修回日期:2019-09-03
网络出版日期:2019-09-20
刊出日期:2020-02-19
A New Method for Image Superpixel Segmentation
Miao LIAO1, 2, 3,,,Yang LI2,
Yuqian ZHAO3,
Yizhi LIU1
1. School of Computer Science and Engineering, Hunan University of Science andTechnology, Xiangtan 411100, China
2. School of Computer Science and Engineering, Central South University, Changsha 410083, China
3. School of Automation, Central South University, Changsha 410083, China
Funds:The National Natural Science Foundation of China (61702179, 61772555), The Hunan Provincial Natural Science Foundation of China (2017JJ3091), The Postdoctoral Science Foundation Funded Project of China (2018M632994), The Scientific Research Fund of Hunan Provincial Education Department (17C0643)
摘要
摘要:针对现有超像素分割方法无法自动确定合适的超像素数目，以及难以有效贴合图像目标边界等问题，该文提出一种新的利用局部信息进行多层级简单线性迭代聚类的图像超像素分割方法。首先，运用基于局部信息的简单线性迭代聚类(LI-SLIC)对原始图像进行超像素初分割，然后，根据超像素的色彩标准差对其进行自适应多层级迭代分割，直至每个超像素块的色彩标准差小于预设阈值，最后，利用相邻超像素间的色彩差异对过分割的超像素进行合并。为验证方法的有效性，该文采用Berkeley, Pascal VOC和3Dircadb公共数据库作为实验数据集，并与其他多种超像素分割方法进行了比较。实验结果表明，该文提出的超像素分割方法能更精确贴合图像目标边界，有效抑制图像过分割和欠分割。
关键词:图像处理/
超像素/
局部信息简单线性迭代聚类/
多层级迭代分割/
超像素合并
Abstract:Considering the problem that the existing superpixel methods are usually unable to set an appropriate number of generated superpixels automatically and unable to adhere to image boundaries effectively, a new superpixel method is proposed in this paper, which utilizes local information to perform multi-level simple linear iterative clustering to generate superpixels. First, original image is initially segmented by Simple Liner Iterative Clustering based on Local Information (LI-SLIC). Then, each superpixel is segmented iteratively until its color standard deviation is lower than a predefined threshold. Finally, the over-segmented superpixels are merged based on the color differences between adjacent superpixels. Experiments on Berkeley, Pascal VOC and 3Dircadb databases, as well as comparison with other methods indicate that the proposed method can adhere to image boundaries more accurately, and can prevent over- and under- segmentations more effectively.
Key words:Image processing/
Superpixel/
Simple Liner Iterative Clustering based on Local Information(LI-SLIC)/
Multi-level iterative segmentation/
Superpixel merging
PDF全文下载地址:
https://jeit.ac.cn/article/exportPdf?id=d233177d-f242-4b3b-b7bf-92a6c87d1d9d
