基于全局K-means算法的超像素分割方法  

Superpixel Segmentation Method Based on Global K-means

作　　者：吉长东[1] 李相泽[2] 敖国政 

机构地区：[1]辽宁工程技术大学测绘与地理科学学院,辽宁阜新125105 [2]东北大学计算机科学与工程学院,辽宁沈阳110819 [3]辽宁工业大学电子与信息工程学院,辽宁锦州121001

出　　处：《沈阳大学学报（自然科学版）》2017年第3期212-216,共5页Journal of Shenyang University：Natural Science

基　　金：国家科技重大专项资助项目(2013ZX04007031);国家科技重大专项资助项目(2012ZX01029001-002)

摘　　要：为了提高超像素分割的性能,提出了一种基于全局K-means算法的超像素分割方法。该算法利用全局K-means算法计算超像素聚类,优化了超像素的分割质量,并根据聚类后的超像素结果从图像中分割出目标.实验数据来自于国际公认的PASCAL VOC 2007数据集.实验结果表明,与Wang算法和ISLIC算法相比,提出的分割算法的PRI、CR、VOI及运行时间4个指标分别平均提高9.38%、17.13%、21.67%、10.50%,可以实现更佳的图像分割效果.In order to improve the performance of the superpixel segmentation,a superpixel segmentation method based on global K-means algorithm is proposed.The algorithm uses the global K-means algorithm to compute the superpixel clustering,optimizes the segmentation quality of the superpixel,and divides the target from the image according to the superpixel result after clustering.The experimental data came from the international recognized PASCAL VOC 2007 data sets.The experimental results show that compared with the Wang algorithm and ISLIC algorithm,the proposed segmentation algorithm has an average increase of 9.38%,17.13%,21.67% and 10.50%respectively in PRI,CR,VOI and run time,and has better performance.

关 键 词：图像分割 超像素 全局K-means算法 聚类 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]