陈相廷，张偌雅（河南大学计算机与信息工程学院，开封　475000）

SLIC超像素分割的并行化实现

陈相廷，张偌雅
（河南大学计算机与信息工程学院，开封475000）

数字图像处理往往信息量大，算法复杂度高。SLIC超像素分割算法在图像预处理阶段，通过相邻像素的关联特征，将单一像素点聚类为超像素块，有效过滤高相似度重复信息。根据聚类过程相对独立的特性，并行化实现SLIC超像素分割算法，有效降低算法时间复杂度。

数字图像处理；超像素；并行计算

0　引言

图像较文字、语言等方式可更加生动地展现所描述对象的空间分布、形态结构、纹理色泽等特征［1］。数字图像因其易存储、易处理、便于传输等多种优势，现已广泛应用于生物医疗、航空航天、工业生产、军事公安、环境检测等多个领域。与此同时，为满足多种需求，数字图像处理技术得到飞速发展。随着处理数据量的日益增长，如何快速高效地得出结果已成为当代数字图像处理技术的研究重点。

图像预处理可最大限度简化图像数据，增强后期处理所需敏感区域的特征信息。以单一像素为单位的处理方式，迭代次数多，数据冗余大，重复信息多，这会大大增加整个处理过程的时间消耗，降低了处理效率。利用冗余信息的关联性将同类单一像素合并为超像素是当前研究的热点，合并后的超像素块有效突出了关键信息，成为处理算法快速实现的前提［2］。同时，基于每个聚类核心的迭代聚类过程相对独立，关联性较低，能较好地适用并行计算，从而可并行化地实现超像素分割过程，极大提高处理效率。……