基于综合辨识信息的SLIC超像素分割算法

摘要：

简单线性迭代聚类算法(SLIC)作为目前主流的基于聚类的超像素分割算法,能产生形状规整的超像素,但是边界附着度不高,针对以上问题本文提出了基于综合辨识信息的SLIC超像素分割算法.该算法首先调整种子点的初始化选取方式,计算像素梯度值,扩大初始聚类中心的选取范围.其次在距离度量时,加入像素的边缘概率,以权重的方式加入到距离公式中,减少了像素的误分割现象.实验结果表明,本文方法与SLIC算法相比,在分割质量方面有明显提升;同时与其他几种算法相比,本文提出的算法可以有效地提高超像素的边界附着度,同时降低像素的分割错误率.

关键词：超像素分割;聚类;简单线性迭代聚类(SLIC);辨识信息

所属期刊栏目：31

资助基金：国家自然科学基金;北京联合大学研究生科研创新

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：816-823