针对暗通道先验去雾算法中透射率估值不准确以及天空区域或大面积白色区域去雾后存在颜色失真等问题,提出了一种基于超像素分割和暗亮通道结合的单幅图像去雾方法。首先采用超像素方法对有雾图像进行分割,将得到的超像素块代替暗通道固定方形滤波窗口;其次,采用暗通道与亮通道先验理论结合的方法获取透射率,使透射率估值更准确;然后,在天空区域通过阈值分割结合亮通道先验理论确定大气光值,并利用融合梯度信息的引导滤波方法优化透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,所提方法得到的透射率和大气光值的估值准确,取得了良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可移植性。

SLIC超像素分割算法MATLAB算法代码实现，超像素分割关键代码形式

基于超像素的快速模糊c均值聚类算法在彩色图像分割中的应用

基于加权测地驱动度量标准的室内场景RGB-D图像超像素

基于图的显着性融合与3D固定预测的超像素级置信度传播

加权超像素分割

基于两级超像素和反馈的视觉对象跟踪

本文件中代码主要是利用超像素的方法来实现目标的跟踪，亲测有用，只要将自己的图片放入进行，将路径改了，应该是没有问题的

SLIC超像素分割算法的C++代码，代码来源于该算法创始人Radhakrishna Achanta网站，这里我们给出了对应的OpenCV Mat接口，代码在VS2012和OpenCV2.4.9版本下测试验证可行，其中附上SLIC的相关说明。