特色分割算法

《特色分割算法》由会员分享，可在线阅读，更多相关《特色分割算法（34页珍藏版）》请在装配图网上搜索。

1、第1页第5讲特色分割算法 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望第2页第5讲第第5 5章章 特色特色分割算法分割算法 5.1 SUSAN检测算子5.2 主动轮廓模型5.3 特色的取阈值技术5.4 分水岭分割算法章毓晋(TH-EE-IE)第3页第5讲5.1 SUSAN边缘检测边缘检测原理原理USAN:Univalue Segment Assimilating Nucleus核同值区：相对于模板的核，模板中有一定的区域与它有相同的灰度章毓晋(TH-EE-IE)

2、第4页第5讲5.1.1 USAN原理USAN的面积携带了关于图象中核象素处结构的主要信息 当核象素处在图象中的灰度一致区域，USAN的面积会达到最大。该面积当核处在直边缘处约为最大值的一半，而当核处在角点处则为最大值的1/4使用USAN面积作为特征起到了增强边缘和角点的效果 章毓晋(TH-EE-IE)第5页第5讲5.1.2 SUSAN边缘检测SUSAN：最小（Smallest）核同值区检测模板：37个象素,半径为3.4象素 章毓晋(TH-EE-IE)第6页第5讲5.1.2 SUSAN边缘检测 检测对模板中的每个象素进行得到输出的游程和（running total）边缘响应几何阈值G=3Smax

3、/4，其中Smax是S所能取的最大值 章毓晋(TH-EE-IE)第7页第5讲5.1.2 SUSAN边缘检测 边缘方向的确定边缘方向的确定根据非零强度的象素确定边缘的方向点A和B都是标准的边缘点，各落在边缘的一边从USAN重心到模板核的矢量与边缘局部方向垂直 章毓晋(TH-EE-IE)第8页第5讲5.1.2 SUSAN边缘检测 边缘方向的确定边缘方向的确定根据非零强度的象素确定边缘的方向点C落在两个边缘的中间USAN是沿边缘方向的细条，找最长的对称轴 章毓晋(TH-EE-IE)第9页第5讲5.1.2 SUSAN边缘检测特点特点有噪声时的性能较好 不需要计算微分对面积计算中的各个值求和（积分）非线

4、性响应特点易自动化实现控制参数的选择简单 参数的任意性较小 章毓晋(TH-EE-IE)第10页第5讲5.2 主动轮廓模型主动轮廓模型给定对图象中目标轮廓的一个近似（初始轮廓），主动轮廓模型可用来检测准确的轮廓 主动轮廓模型逐步改变封闭曲线的形状以逼近图象中目标的轮廓。在这个过程中，目标轮廓的各部分常用线，边缘等表示。主动轮廓模型也称Snakes，因为在对目标轮廓的逼近过程中，封闭曲线像蛇爬行一样不断改变形状。章毓晋(TH-EE-IE)第11页第5讲5.2.1 主动轮廓 主动轮廓是图象上一组排序的点的集合处在轮廓上的点可通过解一个最小能量问题来迭代地逼近目标的边界Eint(vi)是依赖于轮廓形状

5、的能量函数Eext(vi)是依赖于图象性质的能量函数 章毓晋(TH-EE-IE)第12页第5讲5.2.2 设计能量函数 1内部能量内部能量推动主动轮廓形状的改变并保持轮廓上点间的距离(1)连续能量迫使不封闭的曲线变成直线而封闭的曲线变成圆环 (2)膨胀力 强制轮廓在没有外来影响的情况下扩展或收缩 章毓晋(TH-EE-IE)第13页第5讲5.2.2 设计能量函数 2外部能量外部能量将变形模板向感兴趣的特征吸引 构建能量函数：如目标的尺寸和形状(1)图象灰度能量将轮廓吸向高或低的灰度区域 (2)图象梯度能量 将轮廓推向特征（边缘）章毓晋(TH-EE-IE)第14页第5讲5.3 特色的取阈值技术特色

6、的取阈值技术 5.3.1多分辨率阈值选取 5.3.2类间最大交叉熵阈值 5.3.3类内最小模糊散度阈值 5.3.4借助过渡区选择阈值 章毓晋(TH-EE-IE)第15页第5讲5.3.1 多分辨率阈值选取 1.确定分割区域的类数确定分割区域的类数利用在粗分辨率下的直方图细节信息 尺度函数 f(x)：低通滤波器 图象直方图H(x)的低通分量为直方图的多分辨率小波分解表示S2iH(x),W2iH(x),1 i I 章毓晋(TH-EE-IE)第16页第5讲5.3.1 多分辨率阈值选取 1.确定分割区域的类数确定分割区域的类数在分辨率为21时确定初始的区域分割类数 判断直方图中独立峰的个数独立峰应满足三

7、个条件？(1)具有一定的灰度范围(2)具有一定的峰下面积(3)具有一定的峰谷差 章毓晋(TH-EE-IE)第17页第5讲5.3.1 多分辨率阈值选取 2.确定最优阈值确定最优阈值(1)用从负值变化到正值的零交叉点确定峰的起点(2)用从正值变化到负值的零交叉点确定峰的终点(3)用起点和终点间的最大值点确定峰的位置(4)用前一个峰的终点和后一个峰的起点间的最小值点确定这两个峰之间谷点的位置 章毓晋(TH-EE-IE)第18页第5讲5.3.1 多分辨率阈值选取 2.确定最优阈值确定最优阈值分辨率增加 阈值数目也增加 设在两相邻尺度 2i+1 和 2i 所对应的阈值分别为 和 在尺度2i+1的阈值 对

8、应在尺度2i的阈值跟踪在最低分辨率一层选取的所有阈值选取相应的最高分辨率一层的对应阈值 章毓晋(TH-EE-IE)第19页第5讲1.交叉熵交叉熵交叉熵是一种用来度量两个概率分布P=p1,p2,pN，Q=q1,q2,qN之间信息量差异的量 对称交叉熵是交叉熵的对称形式5.3.2 类间最大交叉熵阈值章毓晋(TH-EE-IE)第20页第5讲2.类间最大交叉熵类间最大交叉熵目标与背景应有尽可能大的差异整幅图象的类间差异性搜索获得基于类间最大交叉熵的最优阈值 5.3.2 类间最大交叉熵阈值章毓晋(TH-EE-IE)第21页第5讲1.过渡区和有效平均梯度过渡区和有效平均梯度5.3.4 借助过渡区选择阈值章

9、毓晋(TH-EE-IE)第22页第5讲2.有效平均梯度的极值点和过渡区边界有效平均梯度的极值点和过渡区边界 5.3.4 借助过渡区选择阈值章毓晋(TH-EE-IE)第23页第5讲5.4 分水岭分割算法分水岭分割算法 分水岭（watershed，也称分水线/水线）把图象看成3-D地形的表示，即2-D的地基（对应图象空间）加上第3维的高度（对应图象灰度）计算过程是串行的，得到的是目标的边界5.4.1基本原理和步骤5.4.2算法改进和扩展章毓晋(TH-EE-IE)第24页第5讲5.4.1 基本原理和步骤 1.分水岭分水岭建立不同目标间的分水岭谷底孔分水岭章毓晋(TH-EE-IE)第25页第5讲5.4

10、.1 基本原理和步骤 2.分水岭计算步骤分水岭计算步骤待分割图象 f(x,y)，其梯度图象为g(x,y)用M1,M2,MR表示g(x,y)中各局部极小值的象素位置，C(Mi)为与Mi对应的区域中的象素坐标集合。用n表示当前灰度阈值，Tn代表记为(u,v)的象素集合，g(u,v)n，对Mi所在的区域，其中满足条件的坐标集合Cn(Mi)可看作一幅二值图象 章毓晋(TH-EE-IE)第26页第5讲5.4.1 基本原理和步骤 2.分水岭计算步骤分水岭计算步骤章毓晋(TH-EE-IE)第27页第5讲5.4.1 基本原理和步骤 2.分水岭计算步骤分水岭计算步骤用Cn代表在灰度阈值为n时图象中所有满足条件的

11、象素 Cmax+1将是所有区域的并集Cn 1是Cn的子集，Cn是Tn的子集，所以Cn 1又是Tn的子集 章毓晋(TH-EE-IE)第28页第5讲5.4.1 基本原理和步骤 2.分水岭计算步骤分水岭计算步骤令 S 代表Tn中的连通组元集合，对每个连通组元s Sn，有3种可能性：(1)s Cn 1是1个空集 (2)s Cn 1里包含Cn 1中的一个连通组元 (3)s Cn 1里包含Cn 1中一个以上的连通组元分别处理：(1)Cn可由把连通组元 s 加到Cn 1中得到 (2)Cn可由把连通组元 s 加到Cn 1中得到 (3)需要在 s 中建分水岭 章毓晋(TH-EE-IE)第29页第5讲5.4.1

12、基本原理和步骤 2.分水岭计算步骤分水岭计算步骤 原始图 阈值分割 分水岭 叠加轮廓章毓晋(TH-EE-IE)第30页第5讲5.4.2 算法改进和扩展 1.利用标记控制分割利用标记控制分割过分割（over-segmentation）受图象中噪声和其它不规则结构影响利用标记（marker）图象中的一个连通组元内部标记：对应目标外部标记：对应背景（分水岭）章毓晋(TH-EE-IE)第31页第5讲5.4.2 算法改进和扩展 1.利用标记控制分割利用标记控制分割流程框图章毓晋(TH-EE-IE)第32页第5讲5.4.2 算法改进和扩展 1.利用标记控制分割利用标记控制分割示例(a)表示部分覆盖的两个区

13、域(b)表示经过距离变换的结果（两个局部极小值）(c)检测出的分水线 章毓晋(TH-EE-IE)第33页第5讲5.4.2 算法改进和扩展 2.分水岭算法的扩展分水岭算法的扩展特征域算法示例(1)选择合适的颜色空间，做出3-D颜色直方图(2)将3-D颜色直方图进行反转变换(3)在不同的颜色聚类之间建立分水岭(4)将聚类结果映射回图象域中(5)后处理得到最终分割图象 章毓晋(TH-EE-IE)第34页第5讲F 通信地址：北京清华大学电子工程系F 邮政编码：100084F 办公地址：清华大学东主楼，9区307室F 办公电话：(010)62781430F 传真号码：(010)62770317F 电子邮件：F 个人主页： 实验室网：联联 系系 信信 息息章毓晋(TH-EE-IE)