融合深度网络的改进快速生成超像素算法

摘要：

超像素是图像过度分割的结果,提供了图像数据的中间级表示,对计算机视觉等领域的研究具有重要意义.现有的超像素算法是不可微的,且深度网络通常在规则的网格上进行定义,导致目前生成超像素的算法大多基于手工提取的像素特征进行.提出融合深度网络的改进快速生成超像素算法,将深度学习网络嵌入到超像素的生成过程中,首先利用含多隐含层的深度网络进行图像像素特征的提取,然后通过K-means聚类方法计算初始种子点位置以改善分割结果,在此基础上通过主动搜索方法确保像素标签的正确性,最后得到超像素分割结果.在Berkeley数据集BSDS500上,使用BSDS的基准测评与其他文献的对比实验表明,所提出的算法在分割结果的紧凑性、规则性等性能方面相对较好.

关键词：超像素分割、深度网络、聚类、特征提取

所属期刊栏目：14

分类号：TP301(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61502331国家自然科学基金;the Humanities and Social Sci-ences Project of the Ministry of Education under Grant Nos.18YJA630057,19YJA630046教育部人文社科项目;the Natural Sci-ence Foundation of Tianjin under Grant No.18JCYBJC85100天津市自然科学基金;the Enterprise Science and Technology Com-missioner Project of Tianjin under Grant No.19JCTPJC56300天津市企业科技特派员项目

在线出版日期：2020-12-15（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：2132-2139