優化加權核K-means聚類初始中心點的SLIC算法*

楊 艷，許道云

貴州大學 計算機科學與技術學院，貴陽 550025

1 引言

所謂超像素（superpixel）是指圖中局部的、具有一致性的、能夠保持一定圖像局部結構特征的子區域，這些小區域大多保留了進一步進行圖像分割的有效信息。近年來，超像素作為一種圖像預處理技術，被廣泛應用于計算機視覺領域，逐漸成為研究熱點之一。2003年，Ren等人[1]首次提出了超像素的概念并應用于圖像分割中，經過不斷的發展，超像素在圖像分割領域的應用日益成熟。除此之外，超像素分割算法還被應用于圖像處理的各個方面，如前景提取算法、目標識別算法等。至今，針對超像素分割算法的研究取得了豐碩的成果[2-5]，在各種各樣的應用場景[6-8]中，不同的超像素分割算法被提出。目前，已有的超像素分割算法可分為兩類：基于圖論的算法和基于梯度下降的算法?；趫D論的算法是將分割問題轉化為能量函數最小化問題，將圖像中的像素點看作圖節點，并賦予節點與節點間的邊適當的權值，然后采用各種分割標準對圖進行劃分來形成超像素。基于梯度下降的算法是從最初的像素聚類開始，采用梯度法迭代修正聚類結果直至滿足收斂條件，從而形成超像素。表1提供了這兩類方法中相關算法的性能對比結果。

所有超像素分割算法在Berkeley SegmentationDatabase公共數據集上進行實驗，通過邊緣貼合度，包括“欠分割錯誤率（under-segmentation error）”和“邊緣召回率（boundary recall）”，來評估算法的性能。在表1中，基于圖論的經典算法有Shi等人提出的NC05算法以及Moore等人[9]提出的SL08算法?！?br>