《图象分割方法讲解剖析》由会员分享，可在线阅读，更多相关《图象分割方法讲解剖析（134页珍藏版）》请在金锄头文库上搜索。
1、模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 图 像 分 割 潘春洪, 唐 明 chpan,tangm 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of
2、Sciences 图像理解的基本构成 知识库 表示与描述 预处理 分割 低级处理高级处理 中级处理 识别 与 解释 结果 图像获取 问题 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 1. 什么是图像分割 图像分割是将图像空间 R 划分为 n 个 互不重叠的区域 其中 P(Ri)为作用于 Ri 中所有象素的相 似性逻辑谓词。 定义 模 式 识 别 国 家 重 点
3、实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 实例 1. 2. 3. 4. 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 2. 图像分割的重要性和难度 计算视觉 低
4、层视觉 高层视觉 中层视觉 图像分割 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 中层视觉：获得图像中物体的 2.5 维描述 低层视觉：获得要素图（二维图像 中的边缘点、直线段、曲线段、顶 点、纹理等） 高层视觉：获得图像中物体的三维 描述 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laborato
5、ry of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 计算机视觉的其他领域 1. 医学图像处理 2. 遥感图像处理 3. 目标跟踪 4. 生物特征识别 等等 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学
6、 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 分割依赖于高层视觉 分割依赖于低层视觉 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 分割依赖于高层视觉（续） 模 式 识 别 国 家 重 点
7、实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences v 图像分割是中层视觉中的最基本问 题，也是计算视觉和图像理解中的 最基本问题之一。它还是该领域国 际学术界公认的将会长期存在的最 困难的问题之一。 v 图像分割之所以困难的一个重要原 因是其并不完全属于图像特征提取 问题，它还涉及到各种图像特征的 知觉组织。 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 N
8、ational Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences v 从一般意义上来说 ，只有对图像内容 的彻底理解，才能 产生完美的分割。 通过限制图像的 类型，可以降低图 像分割的难度。 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 图像
9、分割的基本思路 从简到难，逐级分割； 控制背景环境，降低分 割难度； 把焦点放在增强感兴趣 对象，缩小不相干图像 成分的干扰上。 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences l 从简到难，逐级分 割 分割矩形区域 定位牌照 定位文字 l 控制背景环境， 降低分割难度 背景环境: 路面、天空 l 把焦点放在增强感 兴趣对象，缩小不相 干图像成分的干扰上 感兴趣的对
10、象： 汽车牌照 不相干图像成分： 非矩形区域 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 图像分割的基本策略 基于灰度值的两个基本特性： 不连续性区域之间 相似性区域内部 u 根据图像像素灰度值的不连续性： 先找到点、线（宽度为1）、边（不定宽度） 再确定区域。 u 根据图像像素灰度值的相似性： 通过选择阈值，找到灰度值相似的区域 区域的外轮廓就是对象的边。 模
11、 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 1) 对图像特征空间做分类的方法 分割算法的大致分类（共五类） 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy o
12、f Sciences 2) 基于区域的方法（区域生长等） 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 4) 基于函数优化的方法（Bayesian等） 5) 综合考虑边缘和区域信息的混合分割 方法 3) 基于边缘的方法（边缘检测/主动边 缘） 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laborato
13、ry of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 自动阈值方法 阈值方法的本质 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 阈值方法并不要求直方图必须同时 包含峰和谷。 Pixel h ? 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自
14、 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 3.1 全局阈值方法 众数法（J.M.S. Prewitt, et al., 1966, Ann. New York Acad. Sci.） 已知图像仅包含具有明显灰度差别 的目标和背景。此时灰度直方图通常 为双峰单谷型。取谷底点为阈值即可 完成分割。 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of
15、 Pattern Recognition Institute of Automation, Chinese Academy of Sciences Otsu法（N.Otsu, 1979, IEEE T-SMC） 在直方图上定义类内方差和类间方差 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 其中，Pi为第 i 类出现的概率，i为第 i 类的均值，为混合分布的均值。
16、 总体方差为 三个方差的关系为 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 求使类间方差(分离度)尽量大而类内方差 尽量小的阈值t。三者等价。取计算量最小 的(t)： 定义如下函数 Otsu法可以应用于多维特征空间中。 模 式 识 别 国 家 重 点 实 验 室 中 国 科 学 院 自 动 化 研 究 所 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences 基于熵的方法 KSW法（J.N. Kapur, et al., 1985, CVGIP） 设直方图上阈值 t 两侧的分布分别
