论文部分内容阅读
图像分割是计算机视觉领域的传统问题,也是图像分析和模式识别的关键组成部分。传统的聚类图像分割方法是基于单个像素属性进行的图像分割方法,分割的结果有很大的噪声且具有不稳定性。针对以上不足,考虑超像素能够较好地描述区域信息,且有利于图像的局部特征的提取与结构信息的表达,提出了基于图像超像素分析的图像分割方法。首先利用SLIC算法将单个像素点聚类为超像素块,其次通过密度峰值聚类算法(DPCA)对超像素块进行聚类,将基于单个像素属性的图像聚类分析改变为基于超像素的分析,可以提高分割结果的稳定性及准确性。仿真