胡峻峰 赵亚凤 曹军

(东北林业大学，哈尔滨，150040)

责任编辑:张 玉。

图像分割技术是木材缺陷图像分类的关键，分割的效果决定了之后特征提取的可靠程度以及最后分类的精度。图像分割作为缺陷分类的第一步，通过分割可以得到典型的缺陷区域，对这些区域再提取特征，样本学习和有监督分类。快速而精确的图像分割是正确在线分类的前提。

当前，对图像分割时多数以像素为单位对图像进行处理，图片较大时算法效率低，不符合在线要求。而人类视觉的着重点并不是像素，单一的某个像素点并不具有什么特定的意义，只有当包含一定特征的若干个像素点组合在一起时，人类视觉才能从中得到有效的信息。2003年，Feng Renxiao 等最早提出了超像素的概念。所谓超像素，是将许多具有相似性的像素点组合在一起进行处理，这个像素点的集合称之为超像素，利用像素与像素之间位置相邻，且颜色、亮度、纹理的相似程度，对像素进行分组，从而获取分组中所包含的可以进一步进行图像分割的有效信息，并保持原有图像中目标的边界信息，使后续图像处理任务的复杂程度大大降低。大量的研究工作表明，超像素技术已成功应用于图像处理任务，如:图像分割［1］、目标定位［2］、图像分类［3］、人体估计［4］、边缘提取［5］等。本文主要研究了基于SLIC(简单线性迭代聚类)的超像素分割方法，并对此算法进行了改进，将其更好的应用到木材缺陷提取中去。

1 SLIC 超像素分割

SLIC 算法在运算过程中，依据颜色相似程度和距离临近程度对像素进行聚类，得到相对紧凑并且特征规则的超像素。……