论文部分内容阅读
传统人工智能图像超像素分割方法的像素更新簇中心不符合预设阈值,导致方法运算复杂度较高,耗时较长。为解决上述问题,提出基于快速简单线性迭代聚类(Simple Linear Iterative Clustering, SLIC)的人工智能图像超像素的快速分割方法。根据簇中心与像素间关系特征,划分全部像素点为不同窗格。标记像素点标签,更新簇中心后,迭代聚类至符合预设阈值条件。基于原始分割图像,区分背景部分与目标部分,衡量不同图像部分相似度,自适应合并超像素的相似部分。仿真中,利用Proteus软件模拟超像素分割,经对比视觉效果与指标评估结果。实验结果表明,所提方法可准确分割低色差的无噪图像区域,有效抑制各类噪声影响,大幅提升分割速度,具有较好的分割精准性与噪声免疫性,且能够满足用户实时性需求。