（论）医学图像的自适应超像素算法

论文链接：Scale-adaptive superpixels for medical images (hep.com.cn)

Scale-adaptive superpixels for medical images

前提：超像素分割是图像过分割技术。具有相似的大小是超像素的重要特征之一。但是，可能会出现目标尺寸变化较大（医学领域），而背景区域往往是较大的平坦区域。会出现超像素大小的均匀性很难与多样的内容相适应。

目的：使用较少超像素，保留重要边缘信息。需要仔细选择超像素的大小。

提出：尺度自适应超像素算法。算法根据图像内容的复杂性生成不同尺寸的超像素，即在内容丰富区域生成较小的超像素，在平坦区域生成较大的超像素。这种算法放宽了分割尺寸均匀性的约束。

文章概要：大多数均匀大小的超像素算法可以控制生成超像素的大小和个数，但忽略了图像内容的复杂性和目标尺度的多样性。

均匀大小的超像素面临的问题：
1）当超像素的尺寸较大时，不能感知小于均匀超像素尺寸的小尺度目标；
2）当超像素尺寸足够小时，大尺寸的目标将被划分为许多超像素，显著增加图像处理的复杂度。

本文提出：
1.超像素顺序生成。对单个超像素，利用宽度优先搜索和新的贪婪最短路径策略。从一个种子像素生长出一个超像素区域，并使用一个预设路径距离阈值限制超像素的生长。即，在内容丰富区域，由于像素间特征距离较大，超像素的生长很快便能达到预设阈值停止生长，得到较小的超像素，在平坦区域则相反。————根据图像的内容生成不同尺寸的超像素

总结：本文提出的尺度自适应超像素算法，在保留最多细节的前提下获得最少的超像素。它可以根据图像内容的复杂程度，在同一幅图像上生成超大尺寸和极小尺寸的超像素。这使用户不必为给定的应用程序设置合适的超像素大小。该方法具有计算效率高、边界黏附紧密、联通性好、对噪声不敏感和多尺度等优点。