韩艳茹，尹梦晓,2，杨 锋,2，钟 诚,2

1(广西大学 计算机与电子信息学院，南宁 530004) 2(广西多媒体通信与网络技术重点实验室，南宁 530004)

1 引 言

在图像和视频处理中，基于像素级的图像和视频分析处理计算量较大且耗时，而将图像和视频分割为超像素[1]或提取显著点[2]的预处理能使图像和视频更易于操作，这已成为图像和视频处理的标准方式[3].

Ren等[1]首次提出对共享类似低级特征(如颜色或纹理)的空间相干像素进行像素分组得到超像素，并将得到的超像素作为图像分析和处理的基元.超像素使用更丰富(基于区域)的特征集，大幅减少图像基元的数量，从而有效地提高后续处理步骤的计算效率以及分割质量.超像素广泛应用于各种视觉任务，例如图像分割[4-6]，图像解析[7]，跟踪[8,9]及场景分类[10]等.同样，视频超像素在视频分割[11-14]和显着性检测[15-18]等视频分析和处理任务中也具有很大的应用潜力.

通常，超像素是通过最小化代价函数将图像划分而得到的，这使得每个超像素各自为单个对象而不互相重叠.然而，如果将获取超像素的方法直接独立地应用于视频序列中的每一帧，将导致超像素可能在时间上不具有连续性，这样即使连续帧之间仅有轻微变化，超像素也会出现闪烁.近年来有研究者将超像素从静止图像扩展到视频序列来生成视频超像素[19-40]，根据视频处理时视频的加载方式分为离线方法和流式方法.

离线方法要求提前提供视频数据，需要一……