影像分割(面特征提取).ppt

,河南理工大学测绘学院遥感科学与技术系,数字摄影测量学,Digital,Photogrammetry,1,、简述用,Hough,变换提取直线的原理。,2,、简述用,Hough,变换提取直线的基本过程并给出程度框图。,作业与思考题,数字摄影测量,Digital,photogrammetry,问题的提出,如何进行面特征提取,？,内 容 安 排,影像分割,一,、,影像分割的 定义,二,、,影像分割的主要方法,一,、,影像分割的 定义,影像中的物体,除了在边界表现出不连续性之外,在物体区域内部具有某种同一性。,根据这种同一性,把一整幅影像分为若干子区域,每一区域对应于某一物体或物体的某一部分,这就是影像分割。,影像分割,一,、,影像分割的 定义,影像分割,令集合,R,代表整个图像区域，对,R,的分割可看做将,R,分成若干个满足以下,5,个条件的非空子集,R,1,R,2,R,n,:,1),完备性,：,2),连通性,：每个,R,i,都是一个连通区域,3),独立性,：对于任意,i,j,，,R,i,R,j,=,4),单一性,：每个区域内的灰度级相等，,P,（,R,i,）,=TRUE,，,i,=1,2,n,5),互斥性,：任两个区域的灰度级不等，,P,（,R,i,R,j,）,=FALSE,，,i,j,基本思想：,确定一个合适的阈值,T,（,阈值选定的好坏是此方法成败的关键）。,将大于等于阈值的像素作为物体或背景，生成一个二值图像。,If,f,(,x,y,),T,f(x,y),=255,Else,f(x,y),=,0,在四邻域中有背景的像素，既是边界像素。,0,255,255,0,255,0,255,255,255,二,、,影像分割的主要方法,一、阈值法,影像分割,二,、,影像分割的主要方法,一、阈值法,影像分割,阈值分割法的特点：,适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体）,这种方法总可以得到封闭且连通区域的边界。,灰度值,f(x,0,y,0,),T,二,、,影像分割的主要方法,一、阈值法,影像分割,全局阈值分割,通过交互方式得到阈值,通过直方图得到阈值,基于邻域特性,基于多个变量的阈值,二,、,影像分割的主要方法,一、阈值法,影像分割,全局阈值分割,基本思想：用某种方法获得阈值,T,，,并产生一个二值图，区分出前景对象和背景,算法实现：,规定一个阈值,T,，,逐行扫描图像。,凡灰度级大于,T,的，颜色置为,255,；凡灰度级小于,T,的，颜色置为,0,适用场合：灰度图像是可以控制的情况，例如用于工业监测系统中,二,、,影像分割的主要方法,一、阈值法,影像分割,最佳阈值分割法,（,1,）,搜索图像中最小和最大灰度值,I,min,和,I,max,，并计算初始阈值,T,k,(,k,=0),；,（,2,）根据阈值将图像分割为目标和背景两部分，并计算两部分的平均灰度值,I,o,和,I,b,；,I,(,i,j,),是图像上,(,i,j,),点的灰度值，,W,(,i,j,),是权系数。,二,、,影像分割的主要方法,一、阈值法,影像分割,最佳阈值分割法,（,3,）计算新的阈值,T,k,1,；,（,4,）如果,T,k,与,T,k,1,的差值小于某个小量的阈值，则迭代结束，否则重复（,2,）（,4,）。,二,、,影像分割的主要方法,一、阈值法,影像分割,基本思想：,在通过交互方式下，得到对象（或背景）的灰度值，比得到阈值,T,容易得多。,假设：对象的灰度值,(,也称样点值,),为,f,(,x,0,y,0,),且：,T=f(x,0,y,0,)R,有：,f(x,y),T,f(x,y),f(x,0,y,0,)R,|f(x,y)f(x,0,y,0,)|,R,其中,R,是容忍度，可通过试探获得。,通过交互方式得到阈值,二,、,影像分割的主要方法,一、阈值法,影像分割,通过直方图得到阈值,T,有突出目标和背景图像，直方图将具有明显的双峰。,二,、,影像分割的主要方法,一、阈值法,影像分割,直方图凹形分析法,自动门限法,最佳熵自动门限法,极大化分割以后图像的熵值,类别方差自动门限法,矩不变自动门限法,极小误差自动门限法,通过直方图得到阈值,二,、,影像分割的主要方法,一、阈值法,影像分割,基于邻域特性,基于边缘特性,基于二阶灰度统计特性,共生矩阵（纹理分析）,M,d,x,(,i,j,)x,方向上，相距,d,一对像素出现灰度,i,和,j,的频率,目标和背景在共生矩阵对角线附近，边界在远离对角线,基于二维熵,（图像的灰度，邻域灰度均值）组成联合概率,二,、,影像分割的主要方法,一、阈值法,影像分割,基于多个变量的阈值,基本思想：,把前面的方法扩展到多维空间，则寻找波谷的过程，变为寻找点簇的过程。,算法实现：,各维分量波谷之间进行逻辑与运算，从波谷重合的点，得到实际的阈值,T,。,应用场合：,有多个分量的颜色模型，如,RGB,模型、,CMYK,模型、,HSI,模型,二,、,影像分割的主要方法,一、阈值法,影像分割,二,、,影像分割的主要方法,二、区域生长法,1,、基本思想,区域增长法直接遵循影像分割定义，从某一 像素出发，逐步增加像素数（即区域生长），对由这些像素组成的区域使用某种均匀测度度量测试其均匀性。若为真，则继续扩大区域，直到均匀测度为假。,影像分割,二,、,影像分割的主要方法,2,、使用平均灰度的均匀测度度量,二、区域生长法,影像分割,二,、,影像分割的主要方法,3,、分,-,合影像分割法,1,）构造四分树数据结构,2,）分裂,影像分割,二、区域生长法,二,、,影像分割的主要方法,3,、分,-,合影像分割法,二、区域增长法,1,）构造四分树数据结构,2,）分裂,3,）基于四分树数据结构的合并,影像分割,二,、,影像分割的主要方法,3,、分,-,合影像分割法,二、区域增长法,1,）构造四分树数据结构,2,）分裂,3,）基于四分树数据结 构的合并,4,）合并,影像分割,二,、,影像分割的主要方法,3,、分,-,合影像分割法,二、区域增长法,1,）构造四分树数据结构,2,）分裂,3,）基于四分树数据结构的合并,4,）合并,3-5,影像分割,适用,:,在模式类别数不清楚时,用聚类分析比较好,可以用相识性和距离量度作为聚类分析准则,原则,:,第,1,步,:,用适当的相识性准则对图像进行分类,第,2,步,:,对第一步分类结果测试,对各簇,(,子集,),进行合并,第,3,步,:,反复对生成的结果再分类,测试和合并,直到没有新的簇,(,或子集,),进行合并,注,:,相识性准则可取,:,点积,加权欧式距离等,二,、,影像分割的主要方法,三、聚类分割法,影像分割,简单的聚类方法,K-Mean,算法,ISODATA,算法,二,、,影像分割的主要方法,三、聚类分割法,影像分割,简单的聚类方法,（,1,）随机确定一些点作为聚类中心；,（,2,）计算每一个待分点与各个聚类中心的距离，若该点与某个聚类中心的距离小于某个阈值，则认为该点属于这一类，否则添加该点为一新的聚类中心；,（,3,）遍历所有像点。,二,、,影像分割的主要方法,三、聚类分割法,影像分割,K-Mean,算法,（,1,）选取,K,个初始类中心；,（,2,）使用最小距离判别法将所有样本分给,K,类；,（,3,）计算（,2,）分类结果的重心，作为新的聚类中心；,（,4,）比较新旧聚类中心，若差值小于某个小量阈值，则认为类中心稳定，终止迭代，否则重复（,2,）,-,（,4,）。,二,、,影像分割的主要方法,三、聚类分割法,影像分割,ISODATA,算法,（,Iterative Self-Organizing Data Analysis Techniques A,）,在,K-Mean,算法的基础上，根据,类内最大标准差,和,类间最小距离,对聚类结果进行评价。,如果类内最大标准差超过给定阈值，则对该类进行,分裂,。,如果类间最小距离小于给定阈值，则对相应两类进行,合并,。,二,、,影像分割的主要方法,三、聚类分割法,影像分割,结构元素,与,二值图像,进行,逻辑运算,，产生新的图像的图像处理方法。,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,1,1,0,1,1,1,1,0,1,1,0,1,1,1,0,1,结构元素,S,xy,图像,B,结构元素,S,二,、,影像分割的主要方法,四、数学形态学法,影像分割,膨胀,腐蚀,开运算,闭运算,二,、,影像分割的主要方法,四、数学形态学法,影像分割,腐蚀后,膨胀后,原图,使二值图像减小一圈,使二值图像扩大一圈,二,、,影像分割的主要方法,四、数学形态学法,影像分割,开运算,闭运算,开运算,1,）消除细小对象,2,）在细小粘连处分离对象,3,）在不改变形状的前提下，平滑对象的边缘,闭运算,1,）填充对象内细小空洞,2,）连接邻近对象,3,）在不明显改变面积前提下，平滑对象的边缘,二,、,影像分割的主要方法,四、数学形态学法,影像分割,方法,适用范围,优点,缺点,边界检测,噪声少，边缘清晰连贯，细节少，以内容分类为主要目的,综合了图像的局部灰度信息和目标形态信息，适于形态学方法处理，可以并行处理,对噪声敏感，无法保证区域内部的一致性，边缘的准确性难以确定，大多数边缘无法形成闭合的区域轮廓，琐碎边缘的处理难度较大,阈值分割,特征空间谷峰差异明显，目标和背景的灰度分布接近正态分布，图像内容简单，细节较少,抗噪能力强，原理简单,大多数情况下，目标和背景的灰度分布不满足正态分布，分割阈值难以确定，对内容复杂的图像效果不好，迭代计算效率不高,区域生长,目标为面状均匀区域，区域轮廓比较明显,原理简单直观，可以进行并行计算,初始种子的位置与数量对结果影响比较大，抗噪能力一般，计算量较大,聚类分割,目标区域类别未知且复杂分布,应用了目标的灰度以及特征信息，可以进行并行计算,初始类别的确定、样本的数量、不同的方法均对结果有较大影响，计算量较大,影像分割,作业与思考题,1,、什么是影像分割？,2,、影像分割的主要方法有哪些？各有什么特点？,