陳寶靖　袁昊

摘要：圖像的超像素生成算法是一種主流的圖像預(yù)處理工具，目前已經(jīng)廣泛應(yīng)用于圖像分析及計(jì)算機(jī)視覺領(lǐng)域。然而，已有的超像素算法存在性能較低的問題，為了解決該問題，提出一種圖像超像素的快速生成算法。該算法首先對(duì)圖像進(jìn)行標(biāo)記，然后利用標(biāo)記圖像結(jié)合原圖像獲取分水嶺分割結(jié)果。最后通過引入邊緣預(yù)處理來確保均勻性和緊湊性之間的平衡，從而對(duì)齊超像素的圖像邊緣。實(shí)驗(yàn)結(jié)果表明，提出的算法不僅能夠生成質(zhì)量更高的超像素圖像，而且較傳統(tǒng)算法提高了計(jì)算效率。

關(guān)鍵詞：圖像分割；分水嶺分割；超像素；標(biāo)記圖像

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）24-0215-02

1 引言

圖像的超像素分割實(shí)際上就是一種過分割，所得到的均勻區(qū)域被認(rèn)為是具有相同圖像特征的均勻且同質(zhì)的區(qū)域[1]。圖像的超像素分割目前已廣泛應(yīng)用于圖像分析及計(jì)算機(jī)視覺系統(tǒng)的預(yù)處理步驟中。當(dāng)前，隨著計(jì)算機(jī)視覺和多媒體技術(shù)的快速發(fā)展，圖像超像素的應(yīng)用已經(jīng)越來越廣，例如，特征檢測[2]以及圖像和目標(biāo)的分類[3]等。由于圖像超像素能有效降低圖像的像素?cái)?shù)量，因此能夠加快系統(tǒng)后續(xù)的處理速度，從而有效提高系統(tǒng)的計(jì)算效率。此外，圖像超像素能夠形成一個(gè)較大的區(qū)域，因此便于計(jì)算該區(qū)域的特征。

在過去的幾十年里，對(duì)圖像分割的研究已經(jīng)取得了較多的成果，例如，分水嶺分割、歸一化分割、圖分割、統(tǒng)計(jì)區(qū)域合并等。雖然圖像分割是視覺計(jì)算應(yīng)用中的預(yù)處理步驟，然而隨著高性能預(yù)處理需求的快速增加，現(xiàn)有的圖像分割方法表現(xiàn)出明顯得局限性，即分割精度難以有效提高、分割算法耗時(shí)較長等。當(dāng)前，隨著圖像超像素技術(shù)的快速發(fā)展，圖像超像素算法已經(jīng)逐漸代替?zhèn)鹘y(tǒng)的圖像分割，成為更適合的圖像及視頻預(yù)處理工具。截至目前為止，學(xué)者們已經(jīng)提出了大量的圖像超像素算法，其中Turbopixels算法通過引入空間約束從而獲得密集過分割和緊湊的超像素，而SLIC算法通過引入空間約束，從而實(shí)現(xiàn)基于K均值聚類的超像素分割。盡管這些方法都能獲得有效的圖像超像素分割，但需要復(fù)雜的迭代過程以優(yōu)化分割結(jié)果。

總之，已有的圖像超像素分割算法[4，5]都具有較高的計(jì)算復(fù)雜性，尋求具有更高效率的超像素圖像分割算法是當(dāng)前的研究熱點(diǎn)及難點(diǎn)問題。分水嶺算法是一種性能優(yōu)秀的圖像分割算法，尤其具有較高的計(jì)算效率。在本文中，我們將研究一種基于分水嶺變換的圖像超像素分割算法。眾所周知，分水嶺算法能夠生成過分割，然而過分割結(jié)果具有不規(guī)則性。與傳統(tǒng)的超像素分割算法相比，我們提出的算法具有較低的計(jì)算復(fù)雜性，明顯提高了計(jì)算效率。此外，我們還引入了一種邊緣保護(hù)方法以匹配圖像和邊緣超像素分割的邊界。

2 基于空間約束的分水嶺算法

2.1標(biāo)記分水嶺

標(biāo)記分水嶺變換的基本想法是對(duì)前景對(duì)象和背景對(duì)象進(jìn)行標(biāo)注區(qū)別，梯度圖像被視為地形表面，由此，具有較低梯度值的像素被具有較高梯度值的像素優(yōu)先沖走。Meyer通過使用一組不同優(yōu)先級(jí)的有序列提出標(biāo)記分水嶺。在這個(gè)方法中，根據(jù)優(yōu)先級(jí)的不同，我們將標(biāo)記點(diǎn)逐個(gè)放進(jìn)一個(gè)序列中。然后取出優(yōu)先級(jí)較高的像素并進(jìn)行標(biāo)記，最后將這些像素未被標(biāo)記的相鄰點(diǎn)推進(jìn)序列，當(dāng)有序列空時(shí)，圖像的每個(gè)像素都被標(biāo)記。分水嶺變換依賴于梯度圖像，其優(yōu)先級(jí)對(duì)應(yīng)梯度幅值。

標(biāo)記分水嶺算法首先選擇一組標(biāo)記集，在選擇的過程中，為了確保超像素具有統(tǒng)一的大小和均勻性，我們引入了[w×w]窗口，目的是對(duì)梯度圖像進(jìn)行均勻標(biāo)記。

2.2 空間約束和邊緣保護(hù)

分水嶺算法經(jīng)常會(huì)導(dǎo)致不規(guī)則的區(qū)域，即形狀和大小混亂。針對(duì)該問題，本文引入空間約束以保證超像素的緊湊性。空間約束的基本想法是優(yōu)先級(jí)不僅取決于它的梯度值，同時(shí)也取決于空間模式。

3 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)中，我們首先證明我們提出的算法的有效性，然后分析該算法中參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響。

首先評(píng)估空間約束的有效性，然后分析參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響，在該算法中，參數(shù)[λ=0]為空間約束的權(quán)重因子，參數(shù)[α]用于平衡空間約束和圖像邊緣。圖1為參數(shù)[λ]=（0，0.3，0.6）和[α=5]， [w=5]的一組超像素結(jié)果對(duì)比圖。

4 結(jié)論

論文提出了一種空間約束的超像素分割嶺算法。該算法通過引入基于標(biāo)記分水嶺的空間約束來獲得緊湊和均勻分布的超像素結(jié)果，實(shí)驗(yàn)表明該算法具有較高的計(jì)算效率，并且適合實(shí)時(shí)計(jì)算機(jī)視覺和工程應(yīng)用中的預(yù)處理，因此具有廣闊的應(yīng)用前景。此外，該算法便于執(zhí)行且復(fù)雜度低。

參考文獻(xiàn)：

[1] Radhakrishna A，Appu S，Kevin S， Au-relien L，et al. S-lic superpixels compared to state-of-the-art superpixel methods[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012（34）： 2274–2282.

[2] Na T， Huchuan L， Lihe Z， et al. Saliency detection with multiscale superpixels[J].IEEE Signal Processing Letters， 2014（21）： 1035–1039.

[3] Bin L，Hao H，Huanyu W，et al. Superpixel-based clas-sification with an adaptive number of classes for polarimetric sar images[J].IEEE Transactions on Geoscience and Remote Sensing， 2013（51）： 907–924.

[4] Jianbing S， Yunfan D， Wenguan W， et al. Lazy random walks for superpixel segmentation[J].IEEE Transactions on Image Processing， 2014 （23）：1451-1462.