基于超像素点互信息边界检测算法.docVIP

基于超像素点互信息边界检测算法 　　摘要：点互信息（PMI）边界检测算法能准确检测图像中的边界，但算法效率受制于采样点的提取。针对采样过程中存在随机性和信息冗余的问题，提出一种利用超像素分割提供的中层结构信息来指导点对选取的方法。首先使用超像素算法对图像进行初始分割，将图像划分成大小形状近似的像素块；然后选取落在相邻超像素中的像素点对，从而使样本点的选取更有目的性，在采样点数目较少时，保证样本点仍能有效完整地获取图像信息。实验通过与原始的PMI边界检测算法在伯克利分割数据库（BSDS）上进行比对验证得出，基于超像素的PMI边界检测算法在采样点对为3500时，平均精准度（AP）达到0.7917，而原始算法则需要6000个同样环境下的采样点对。基于超像素的PMI边界检测算法在保证了检测精度的同时减少了所需的采样点数目，从而能有效提高算法的实时性。 　　关键词：边界检测； 超像素； 点互信息； 相似度衡量； 样点选取 　　中图分类号：TP391.41 　　文献标志码：A 　　0引言 　　图像的边界是图像的重要特征之一，准确的边界检测是图像分割、目标区域识别、区域形状提取等图像分析工作的基础[1-2]，是计算机视觉系统中必不可少的重要环节[3-5]。边界检测的实质是采用某种算法提取图像中目标与背景间的边界线[6-8]。边界检测算法根据是否需要训练先验知识可分为有监督的和无监督