基于皮尔森相关系数的自适应SLIC超像素分割算法

针对简单线性迭代聚类(Simple Linear Iterative Clustering, SLIC)算法对不同图像自适应性差的问题，提出了一种基于皮尔森相关系数的自适应SLIC超像素图像分割算法。首先，通过量化非间隔进行图像预处理，并计算颜色熵作为图像复杂度，从而确定所需分割的超像素个数。其次，利用皮尔森相关系数作为相似性度量函数。最后，通过纹理特征对类内异常点进行滤除，确保种子点更新的准确性。实验结果表明，在超像素个数相同的情况下，基于皮尔森相关系数的自适应SLIC超像素图像分割算法相比主流超像素分割算法，可以获得更高的边缘命中率以及更低的欠分割率，性能优于LSC(Linear Spectral Clustering)、SLIC和SLIC0(Simple Linear Iterative Clustering Zero)算法。