《北理工贾云德计算机视觉第四章区域分析资料》由会员分享，可在线阅读，更多相关《北理工贾云德计算机视觉第四章区域分析资料（30页珍藏版）》请在金锄头文库上搜索。
1、Computer VisionDepartment of Computer Science BIT 第四章 区 域 分 析第四章 区 域 分 析 Chapter 4 Region Analysis Computer VisionDepartment of Computer Science BIT 1 区域和边缘 区域和边缘 Region and Edge 如何精确解释一幅图像 区域 如何精确解释一幅图像 区域 相互连结的具有相似特性的一组像素 边缘 区域边界上的像素 相互连结的具有相似特性的一组像素 边缘 区域边界上的像素 pixel Computer VisionDepartment of
2、Computer Science BIT a 原始室外场景图像 b 图像分割结果 树木道路标志天空建筑草地车辆地面道路 c 标注结果 Computer VisionDepartment of Computer Science BIT 2 分割的定义 segmentation 图像分割最简形式图像分割最简形式 把灰度图把灰度图 gray image 转 换成二值图 转 换成二值图 已知一幅图像像素集已知一幅图像像素集 I 和一个一致性谓词和一个一致性谓词 P 求图像 求图像 I 表示成表示成 n 个区域个区域 i R集合的一种划分 集合的一种划分 IR n i i U 1 一致性谓词和图像划分具
3、有如下特性 即任何区域满足如下谓词 一致性谓词和图像划分具有如下特性 即任何区域满足如下谓词 True i RP 任何两个相邻区域不能合并成单一区域 必满足谓词 任何两个相邻区域不能合并成单一区域 必满足谓词 False ji RRPU 一致性谓词一致性谓词 P 定义了在区域定义了在区域 i R上的所有点与区域模型的相似程度 上的所有点与区域模型的相似程度 Computer VisionDepartment of Computer Science BIT 讨论 基于区域的分割 基于边缘检测的分割 理论上 区域分割和边缘检测应该产生相同的结果 Computer VisionDepartment
4、of Computer Science BIT 3 自动阈值化法 auto threshold 直方图 histogram Computer VisionDepartment of Computer Science BIT 简单阈值化方法的问题 Computer VisionDepartment of Computer Science BIT 自动阈值化方法 基于场景中的物体 环境和应用域等知识 对应于物体的图像灰度特性 物体的尺寸 物体在图像中所占比例 图像中不同类型物体的数量 Computer VisionDepartment of Computer Science BIT 1 模态方法
5、mode 图像中的物体 背景各具有一灰度值 图像被零均值高斯噪 声污染 灰度分布曲线是由两个正态分布函数叠加而成 图 像直方图将会出现两个分离的峰值 阈值选取波谷最佳 具有不同灰度均值的多物体图像中 背景和物体灰度值 正态分布参数为 Computer VisionDepartment of Computer Science BIT 2 迭代式阈值选择 算法4 1 迭代式阈值选择算法 1 选一初始阈值 如 灰度均值 2 利用阈值把图像分割成两组 R1和R2 3 计算区域R1和R2的均值v1 v2 4 选择新的阈值 T v1 v2 2 5 重复2 4步 直到v1和v2的均值不再变化为止 阈值的改进
6、策略是这一方法的关键 Computer VisionDepartment of Computer Science BIT 3 自适应阈值化方法 场景照明不均匀时 一个阈值 把图像分成NXN个子 图像 求出子图像的阈 值 分割的最后结果是所 有子图像割的逻辑并 Computer VisionDepartment of Computer Science BIT 4 变量阈值化方法 Computer VisionDepartment of Computer Science BIT 5 直方图方法的局限性 直方图方法的局限性 恒定灰度值 没有利用图像强度的空间信息 例如 用直方图无法区分黑白棋格图像
7、Computer VisionDepartment of Computer Science BIT 4 区域表示区域表示 region representation 可表示成封闭轮廓 三类型 阵列表示 层级表示 基于特征的区域表示 Computer VisionDepartment of Computer Science BIT 4 1 阵列表示阵列表示 4 2 层级表示层级表示 低分辨率上粗计算 高分辨率上精细计算 浏 览 1 金字塔型金字塔型 顶层或0层 图像为单一像素 而底层则是原 始图像或未被递减的图像 每层的一个像素表示 下层几个像素的合成信息 Computer VisionDepa
8、rtment of Computer Science BIT NXNNXN 2 2X2X2 1 1 是最好的表示方式 是最好的表示方式 Computer VisionDepartment of Computer Science BIT 2 四叉树型 quarter tree 四叉树型 quarter tree 三种节点 白 黑和灰度 四叉树是通过不断地分裂图像得到的 一个区域 可分裂成大小一样的四个子区域 子区域继续分 裂 结果 树结构中的每一个节点或是树叶 或包含四个子 节点 Computer VisionDepartment of Computer Science BIT Computer
9、 VisionDepartment of Computer Science BIT 4 3 基于特征的区域表示 feature based 4 3 基于特征的区域表示 feature based 区域可用特征表示 常用特征 最小外接矩形 中心矩 欧拉数 灰 度均值 方差等 相邻区域的相互位置关系也可作为特征 区域用边缘表示 另外讨论 Computer VisionDepartment of Computer Science BIT 4 4 图像分割数据结构图像分割数据结构 区域邻接图 区域邻接图 region adjacency graphs RAG 表示图像中 区域与区域之间的关系 区域的不
10、同特性可以存贮在不同 的节点数据结构中 RAG中的节点表示区域 节点之间的 弧线表示区域的公共边界 Computer VisionDepartment of Computer Science BIT 5 分裂与合并 split and merge 分裂与合并 split and merge 图象分割后 会产生许多区域 真 假 使用分裂和合并的组合算法可以实现自动细 化分割运算 Computer VisionDepartment of Computer Science BIT Computer VisionDepartment of Computer Science BIT 邻接区域相似性的两种
11、评价方法邻接区域相似性的两种评价方法 几何代数法 比较它们的灰度均值 几何代数法 比较它们的灰度均值这一方法的改进形式 是使用曲面拟合方法 以便确定是否存在一个 曲面来逼近区域 统计法 用假设 检验方法来评判邻接区域的相似性 统计法 用假设 检验方法来评判邻接区域的相似性 假设灰度值服从概率分布 根据相邻区域是否 具有相同的概率分布函数考虑是否合并它们 5 1 区域合并区域合并 合并运算就是把相似的邻接区域组合起来 Computer VisionDepartment of Computer Science BIT 统计意义下的区域合并统计意义下的区域合并 statistical merging
12、 statistical merging 假定两个相邻区域 R1和 R2分别包含有 m 1 m2 个点 有 两种可能的假设 0 H 两个区域属于同一物体 在这种情况下 两个区域的 灰度值都服从单一高斯分布 2 00 1 H 属于不同物体的区域 在这种情况下 每一个区域的 灰度值服从不同的高斯分布 2 22 2 11 和 Computer VisionDepartment of Computer Science BIT 2 0 2 0 1 2 1 0021 21 21 2 0 21 1 2 0 21 21 2 0 2 0 21 21 2 1 2 1 2 1 mm mm g mm mm i g m
13、m i imm e e e HgpHgggp mm ii i 2 2 2 1 1121 2 2 1 1 2111 2 1 2 1 m m m m mmmm eeHgggggp H H0 0 下 下 H H1 1 下 下 21 21 21 0 021 121 mm mm Hggp Hggp L 似然比 似然比 似然比低于某一阈值 说明这两个区域可以合 并为一个区域 Computer VisionDepartment of Computer Science BIT 5 2 区域分裂 如果区域的某些特性不是恒定的 则区域应该分裂 基于分裂方法的图像分割过程是从最大的区域开始 多数情况下常把整个图像作
14、为起始分裂的图像 算法 区域分裂 如果区域的某些特性不是恒定的 则区域应该分裂 基于分裂方法的图像分割过程是从最大的区域开始 多数情况下常把整个图像作为起始分裂的图像 算法4 5 区域分裂算法区域分裂算法 1 形成初始区域形成初始区域 2 对图像的每一个区域 连续执行下面两步 对图像的每一个区域 连续执行下面两步 a 计算区域灰度值方差 计算区域灰度值方差 b 如果方差值大于某一阈值 则沿着某一合 适的边界分裂区域 如果方差值大于某一阈值 则沿着某一合 适的边界分裂区域 Computer VisionDepartment of Computer Science BIT 分裂和合并运算可以同时进
15、行 也就是说 用 阈值化方法预分割后 连续进行分裂和合并 最 后得到图像的精确分割 分裂和合并组合算法对 分割复杂的场景图像十分有用 引入应用域知识 可提高分裂和合并算法的有效性 分裂和合并运算可以同时进行 也就是说 用 阈值化方法预分割后 连续进行分裂和合并 最 后得到图像的精确分割 分裂和合并组合算法对 分割复杂的场景图像十分有用 引入应用域知识 可提高分裂和合并算法的有效性 5 3 分裂和合并分裂和合并 Computer VisionDepartment of Computer Science BIT 6 区域增长区域增长 基本思路基本思路 图像可以划分成区域 而区域可以 用简单函数模型
16、化 寻找初始区域核 并从区域核开始 逐渐增长 核区域 形成满足一定约束的较大的区域 一致性谓词 基于区域灰度平面或二次曲面函数 拟合 通常 一致性谓词是基于图像区域的特征 平均强度 方差 纹理和颜色等 Computer VisionDepartment of Computer Science BIT 平面和二次曲面模型是一些基函数的线性组合 其中基函 数包含了各阶双变量多项式 模型可以表示为 mji ii ij yxamayxf 致性谓词是基于区域中点与区域模型之间的距离 Ryc mayxdmaR 22 距离是通常的 欧几里德距离 22 mayxfyxgmayxd 误差函数 误差函数 已知点集 R 求解模型的阶数 m 和模型参数 a 使得误差函 数 2 R a m最小 实际上这是一个最小二乘法问题 可以通 过奇异值分解求解 Computer VisionDepartment of Computer Science BIT 算法4 7 基于平面和二次曲面模型的区域增长 注意 1 局外点 2 初始核
