第４１卷第５期２０２３年９月龙岩学院学报ＪＯＵＲＮＡＬＯＦＬＯＮＧＹＡＮＵＮＩＶＥＲＳＩＴＹＶｏｌ．４１Ｎｏ．５Ｓｅｐｔｅｍｂｅｒ２０２３工业技术结合彩色和空间信息的ＲＧＢＤ图像超像素分割算法胡斌，张泽均（浙江师范大学浙江金华３２１００４）摘要：针对室内场景的特性，提出一种结合彩色和空间信息的简单线性迭代聚类（ＳＬＩＣ）算法来对室内场景ＲＧＢＤ图像进行超像素分割。该算法提出一种将彩色和空间信息相结合的方法来计算不同像素点之间的距离，具体地说，该算法利用两个像素点的法向量之间的余弦值对它们的彩色差异值和空间位置差异值进行自适应加权。该计算方法能有效区分室内场景中两个颜色相近的方向不同的相邻平面区域。在聚类过程中，聚类中心的搜索范围是固定不变的，整个聚类过程在线性时间内完成。在ＮＹＵｖ２图像数据集上的实验结果表明，对比只使用彩色图像的ＳＬＩＣ算法，本研究提出方法的分割性能更好，边缘定位更准确。关键词：ＲＧＢＤ图像分割；超像素分割；ＳＬＩＣ算法；聚类中心中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１６７３－４６２９（２０２３）０５－００１５－０６ＲＧＢＤ图像同时包含拍摄场景的彩色和深度信息，彩色信息表示每个像素点的红、绿和蓝分量；而深度信息表示相机到场景中每个像素点的距离值。结合拍摄深度图像相机的内部参数［１］，可以从深度图像估算出场景中每个像素点的空间信息，比如，三维空间坐标值和法向量。在图像分割领域，充分利用空间信息有助于提高图像分割的性能［２］。图像的超像素分割算法的目的是将一幅图像分割成互不重叠的小区域，每个区域的面积大小基本一致，而每个区域内的所有像素点均来自同一个物体。图像的超像素分割算法主要分成两大类：基于图结构的分割算法［３－４］和基于聚类的分割算法［５－６］。基于图结构的分割算法的主要思想是：首先，用一个无向连通图来表示一幅图像。无向连通图的结点表示图像的像素点，图中的连接边表示图像中像素点之间的邻接关系；然后，将无向图分割成不同的子图，每个子图对应于一个图像区域。基于聚类的超像素分割算法的思想是：首先，在图像中初始化聚类中心点；然后，递归地标记图像中的像素点为离它最近的聚类中心和重新计算每个聚类中心，直到前后两次计算的聚类中心不再变化为止。ＳＬＩＣ图像超像素分割算法［５］是一种基于Ｋ均值聚类［７］的超像素分割算法。ＳＬＩＣ算法首先将一幅图像分割成...
