基于全局阈值分割和局部聚类的自然图像超像素分割技术研究

With growing of the resolution of natural images, it is a challenge task for real-time image processing. But superpixel segmentation technique is alternative solution based on image regions instead of pixels greatly reducing image redundancy and simplifying image content, which builds a solid foundation for the subsequent real-time image processing. Nowadays the superpixel segmentation technology is widely concerned in the fields of image processing and computer vision. This project launches a deep research for the superpixel segmentation techniques considering expensive computation, seriously over-segmentation and poor segmentation performance of the existing algorithms. Firstly we propose a fast histogram-based multilevel thresholding irregular superpixel segmentation algorithm for natural images taking fully account of the real-time performance of global thresholding approaches. Secondly we establish a fast regular superpixel-seeds locating scheme combining regular grid partitioning with multilevel thresholding. Thirdly we present a regular superpixel local clustering algorithm fusing multi features based on multi seeds and seeded region growing. This research opens a new train of thought for natural images irregular and regular superpixel segmentation techniques, which provides theoretical basis and real-time support for the subsequent application and research in the fields of image parsing, processing, understanding, recognition etc., and is of very huge researching significance.

随着自然图像分辨率越来越高，以致实时图像处理面临着一个新的挑战，而用图像区域取代像素点的超像素分割技术可以大幅度消减图像冗余信息，从而简化图像内容并为后续实时图像处理奠定了基础。至此，超像素分割技术现已成为图像处理和计算机视觉领域中的一个研究热点。本项目针对现有方法存在的实时性较差、过分割现象较为严重、分割误差较大等问题，将对超像素分割技术展开深入研究。首先利用全局阈值算法的实时分割性能，拟提出一种基于直方图的自然图像快速多级阈值不规则超像素分割算法；然后以多级阈值分割为基础，结合规则网格划分方式拟建立规则超像素种子点快速定位方案；最后基于多种子点和种子区域生长算法，拟提出一种多特征融合的规则超像素局部聚类算法。本项目为自然图像不规则/规则超像素分割技术的研究开辟了新的思路，为后续图像分析、处理、理解、识别等领域的应用和研究提供了理论基础和实时性保障，具有非常重要的研究意义。

该项目原计划对自然图像超像素分割技术进行研究，主要从阈值分割技术和聚类技术两个方面进行展开。超像素是图像局部区域中有相似性质的像素点的一种聚集，其将图像划分成内部同质的小区域，聚集结果可以很方便地以整体形式代表整个区域中所有的像素点。超像素的提取有效减少了后续处理中无足轻重的冗余图像信息，不仅简化了图像的拓扑结构，而且降低了后续处理过程的复杂度，在计算机视觉领域如图像分类、目标检测、目标跟踪、图像理解等应用中有着非常广泛的应用。在获得国家青年科学基金资助后，该项目进展顺利，取得了阶段性成果，按时完成并达到了项目任务书中研究任务和预期目标。首先对现有的自动阈值分割算法进行了研究，提出了一种迭代的最大熵阈值分割算法。基于该思想，将其扩展到其他自动阈值分割算法上，提出了一种采用高斯拟合的全局阈值算法阈值优化框架，该优化框架能够有效地解决传统阈值分割算法的阈值优化问题。通过对基于直方图的多级阈值分割算法进行研究，提出了一种基于直方图多级划分的彩色图像分割算法，从而完成了不规则超像素的提取。针对传统聚类算法很难准确定聚类数这一问题，通过集成多次FCM聚类结果以及采用软化分方式，提出一种新的自动确定聚类个数的模糊聚类算法，该算法有效解决了传统聚类过程中聚类数的初始化问题。最后通过将像素信息和超像素信息进行有机结合，提出了一种联合像素与超像素的交互式图像分割方法，有效的提高现有交互式图像分割方法的执行效率，以及在尽量少的用户交互条件下获得更为准确的分割结果。