Abstract Superpixel segmentation is an important pre-processing step in many computer vision applications. However, existing methods are mainly constructed on the basis of pixel-level features, which are generally vulnerable to the interference of strong gradient textures and fail to make the generated superpixels adhere to the object boundary well. Therefore, we bring forward a texture-aware and structure-preserving superpixel segmentation algorithm. First, we propose a cluster centroid oriented quarter-circular mask, which prevents the fine-scale structure pixels from sampling inconsistent texture pixels when gathering neighboring information from the local image patch. Next, we put forward a texture-suppressed and structure-preserving hybrid gradient. Its magnitude can well represent the probability that a pixel belongs to the structure one, and its direction can embody the main direction of image structures. Then, we design a color distance with texture-structure tradeoff strategy, which is based on the quarter-circular mask and the hybrid gradient direction. Finally, we devise an integrated structure-avoiding clustering distance, which can be obtained by seeking the maximum hybrid gradient magnitude along the linear path between a pixel and the superpixel centroid. It can effectively prevent the superpixel from crossing the object boundaries. Experimental results show that the superpixels generated by our algorithm not only adhere to object boundaries closely but also preserve regular shape. Our algorithm outperforms state-of-the-art methods, especially for the images with strong gradient textures.

中文翻译：

---

纹理感知和结构保留的超像素分割

摘要 超像素分割是许多计算机视觉应用中重要的预处理步骤。然而，现有方法主要基于像素级特征构建，普遍容易受到强梯度纹理的干扰，无法使生成的超像素很好地贴合物体边界。因此，我们提出了一种纹理感知和结构保留的超像素分割算法。首先，我们提出了一个面向簇质心的四分之一圆掩模，它可以防止细尺度结构像素在从局部图像块收集相邻信息时采样不一致的纹理像素。接下来，我们提出了一种纹理抑制和结构保留的混合梯度。它的大小可以很好地表示一个像素属于结构一的概率，它的方向可以体现图像结构的主要方向。然后，我们设计了一个具有纹理结构权衡策略的颜色距离，该策略基于四分之一圆形掩模和混合梯度方向。最后，我们设计了一个集成的结构规避聚类距离，它可以通过沿着像素和超像素质心之间的线性路径寻找最大混合梯度幅度来获得。它可以有效地防止超像素越过对象边界。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。我们设计了一个具有纹理结构权衡策略的颜色距离，该策略基于四分之一圆形掩模和混合梯度方向。最后，我们设计了一个集成的结构规避聚类距离，它可以通过沿着像素和超像素质心之间的线性路径寻找最大混合梯度幅度来获得。它可以有效地防止超像素越过对象边界。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。我们设计了一个具有纹理结构权衡策略的颜色距离，该策略基于四分之一圆形掩模和混合梯度方向。最后，我们设计了一个集成的结构规避聚类距离，它可以通过沿着像素和超像素质心之间的线性路径寻找最大混合梯度幅度来获得。它可以有效地防止超像素越过对象边界。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。我们设计了一个集成的结构规避聚类距离，它可以通过沿着像素和超像素质心之间的线性路径寻找最大混合梯度幅度来获得。它可以有效地防止超像素越过对象边界。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。我们设计了一个集成的结构规避聚类距离，它可以通过沿着像素和超像素质心之间的线性路径寻找最大混合梯度幅度来获得。它可以有效地防止超像素越过对象边界。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。实验结果表明，我们的算法生成的超像素不仅紧密贴合对象边界，而且保持规则的形状。我们的算法优于最先进的方法，特别是对于具有强梯度纹理的图像。