1.一种面向视觉退化图像的超像素分割方法，其特征在于，所述面向视觉退化图像的超像素分割方法，包括：步骤S1、对RGB图像对应的深度图像进行双边滤波，在滤除深度图像中高频噪声的同时，保护图像中物体的边缘；

步骤S2、将滤波后的深度图像规则化到[0,255]范围内，得到规则化的深度图像；

步骤S3、在RGB图像和对应的深度图像上各自预分割k个相同尺寸的正方形状的超像素，将该K个预分割超像素中心作为初始种子点，以初始种子点为中心划分初始矩形聚类区域；

步骤S4、根据图像梯度的定义，计算RGB图像对应的灰度图像和深度图像的灰度图像梯度Ig和深度图像梯度Id；

步骤S5、根据灰度图像梯度和深度图像梯度，计算各聚类区域的彩色边缘强度与深度边缘强度；

步骤S6、利用聚类区域的彩色边缘强度与深度边缘强度来为聚类区域分配颜色信息权重Qc与深度信息权重Qd；

步骤S7、将RGB图像转换到LAB颜色空间，计算聚类区域中各像素距离聚类区域中心的颜色距离Dc，并根据深度图像中像素的深度信息计算深度距离Dd，根据像素的空间坐标计算空间距离Ds；

步骤S8、根据计算得到的颜色距离Dc、深度距离Dd、空间距离Ds，以及颜色信息权重Qc与深度信息权重Qd，根据如下公式计算超像素聚类距离Dp：其中a是常数来平衡颜色距离、深度距离与空间距离；

步骤S9、根据计算得到的聚类距离，将像素归入到聚类距离最近的种子点所在的类，直到所有像素都归类完毕，然后计算各个聚类区域的中心点，将计算得到的中心点作为种子点，以种子点为中心重新划分聚类区域，返回步骤S6进行反复迭代直到收敛，根据收敛后的聚类区域生成超像素。

2.如权利要求1所述的面向视觉退化图像的超像素分割方法，其特征在于，所述预分割k个相同尺寸的正方形状的超像素中，正方形状的超像素边长为L，所述聚类区域的边长为

2L，其中：

所述 N为RGB图像的总像素个数。

3.如权利要求1所述的面向视觉退化图像的超像素分割方法，其特征在于，所述根据灰度图像梯度和深度图像梯度，计算各聚类区域的彩色边缘强度与深度边缘强度，采用如下公式计算：其中，Ig(x)表示灰度图像上像素x的梯度，Id(x)表示规则化后深度图像上像素x的梯度， 为常数，rci为聚类区域i的彩色边缘强度，rdi为聚类区域i的深度边缘强度，i为聚类区域的序号，Nci、Ndi分别表示RGB图像和深度图像上划分的聚类区域i。

4.如权利要求1所述的面向视觉退化图像的超像素分割方法，其特征在于，所述利用聚类区域的彩色边缘强度与深度边缘强度来为聚类区域分配颜色信息权重Qc与深度信息权重Qd，采用如下公式计算：Qc(i)＝1-Qd(i)

其中，rci为聚类区域i的彩色边缘强度，rdi为聚类区域i的深度边缘强度，i为聚类区域的序号，Qd(i)为聚类区域i的深度信息权重，Qc(i)为聚类区域i的颜色信息权重。

5.如权利要求1所述的面向视觉退化图像的超像素分割方法，其特征在于，所述步骤S5之前，还包括：利用Heaviside函数来标记深度图像中存在深度信息缺失的区域，得到深度图信息有效分布H(x)。

6.如权利要求5所述的面向视觉退化图像的超像素分割方法，其特征在于，所述根据灰度图像梯度和深度图像梯度，计算各聚类区域的彩色边缘强度与深度边缘强度，采用如下公式计算：其中，Ig(x)表示灰度图像上像素x的梯度，Id(x)表示规则化后深度图像上像素x的梯度， 为常数，rci为聚类区域i的彩色边缘强度，rdi为聚类区域i的深度边缘强度，i为聚类区域的序号，Nci、Ndi分别表示RGB图像和深度图像上划分的聚类区域i。