中南大学数学院数字图像处理课件第8章-图像分割2

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,图像分割,Image Segmentation,任务,:,Segmentation subdivides an image into its constituent,regions or objects.,实现,:,分类器,(Classifier),依据,:,特征,(Features)/,属性,(Attributes),方法,:,特征提取,(Feature extraction),图像空间,特征空间,困难,:,特征空间的定义,分类器的设计,地位,:,图像自动分析的基础,现状,:,公认的图像处理难题,图像空间,特征空间,分类空间,特征提取,分类器,特征提取,Feature Extraction,特征空间,特征定义,:,*选择有利于分类的特征,(,有效特征,),*选择尽量多的有效特征,常用的特征,表达图像中灰度的分布特性,灰度、邻域平均灰度,表达局部灰度变化的程度,灰度微分、均方差,表达特定纹理,霍夫变换,统计特性,共生矩阵,灰度,(,颜色,),特征,图像空间,特征空间,适合的图像,不适合的图像,边界特征,目标,:,表达边界与非边界,微分算子表达“变化”,梯度,幅值,表达边界强度,方向表达边界垂直方向,拉普拉斯,标量,旋转不变,f(t,),过零点,f(t,),f(t,),LoG,算子,(,Laplacian,of a Gaussian,),微分算子对噪声敏感,f*h,f(x,y,),f(x,y,),h(r,),h(r,),h(r,),LoG,(,=1.0),微分算子的离散形式,差分,微分,梯度算子,Roberts,Sobel,Robert(Magnitude),Sobel,(Magnitude),Original Image,Laplacian,纹理,(Texture),特征,周期纹理,(Periodic Texture),频谱,(Fourier Spectrum),周期纹理的特征,:,纹理的方向,纹理的周期,极坐标形式的频谱,频谱图中放射状的,”,脊,”,走向,频谱中的,”,峰,”,位置,图像整体统计特征,p(z,):,归一化灰度直方图,矩,图像灰度分布均匀度,max,灰度分布均匀,0,图像仅单一灰度,位置无关,矩,(Moments),几何矩,重量,重心,灰度共生矩阵,(Gray Co-occurrence Matrix),P:,位置算子,(Position operator),a,P,灰度共生矩阵,C:P,定义下的,a,和,b,的联合灰度直方图,C=,c,ij,c,ij,=,counta,=,r,i,AND b=,r,j,b,例,:,灰度共生矩阵,(gray-level co-occurrence matrix),例,:,0,0,0,1,2,1,1,0,1,1,2,2,1,0,0,1,1,0,2,0,0,0,1,0,1,position operator P,4,2,1,2,3,2,0,2,0,0,1,2,0,1,2,联合概率,(joint probability),C,纹理走向和尺寸,分类器,Classifier,线性分类器,非线性分类器,0-1,分类器,模糊分类器,平行实现算法,串行实现算法,线性函数分割特征空间,非线性函数分割特征空间,非此即彼的分类结果,隶属度描述分类结果,特征空间中像素独立,像素间相互影响,线性分类器,(Linear Classifier),线性函数分割特征空间,1D,特征空间,2D,特征空间,T,依据,:,特征空间中样本的聚类特性,阈值门限法,分类误差,f,A,B,:A,类的像素错分为,B,类,f,B,A,:B,类的像素错分为,A,类,N:,图像像素总数,T,p,t,A,B,f(t),A,f(t),B,p(t,)=,p,A,(t,)+,p,B,(t,),T,p,t,谷点阈值,双峰的谷点即阈值,要点,:,直方图的双峰特性,直方图的平滑处理,分类误差评估,T,p,t,A,B,T:,p,A,(t,),与,p,B,(t,),的交叉点时,e,min,假设,p,A,(t,),和,p,B,(t,),在,(T),中单调,贝叶斯分类器,(,Bayes,Classifier),t,p,p(t|w,1,),p(t|w,2,),p(t,|,w,i,):,w,i,类对象的特征分布概率密度函数,P(w,i,):,w,i,类对象的出现概率,P(t,):,特征分布概率,t,类,w,i,if,最大熵,(Entropy),分类器,T,p,t,A,B,(P(T)=0,1,时,),A:,t 0,-1 if,d(,x,)0,感知器,(,perceptron,),非线性分类器,t,1,t,2,t,p,.,.,.,x,1,x,2,x,n,y,1,y,2,y,q,输入层,中间层,输出层,w,11,w,21,w,p1,w,12,w,22,w,p2,w,1n,w,2n,w,pn,v,11,v,21,v,q1,v,12,v,22,v,q2,v,1p,v,2p,v,qp,BP(Back Propagation),网拓扑结构,输入层,:,输入向量,(x,1,.,x,n,),特征空间维数,中间层,(,隐层,):,向量,(t,1,.,t,p,),输出层,:,向量,(y,1,.,y,q,),分类数,权重,:,W,i,=w,1i,w,2i,.,w,ni,输入层,中间层,v,i,=v,1i,v,2i,.,v,pi,中间层,输出层,BP,网络训练,(Training),y,1,y,2,.,y,q,:,实际网络输出,r,1,r,2,.,r,q,:,期望的输出,误差,:,