动态阈值分割在图像特征提取中的应用
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
割。
其 方 差代 表 了 前 景 、 景 交叠 错 分 的 程 度 。 以作 为 图像 前 背 可 景 和 背景 是 否 分 开 的 一种 度 量 。 根 据 以 上分 析 ， 由式 （ ） （ ） 以得 出阈 值选 取 公 式 如 下 ： １一 ６ 可
６＝ ｒ Ａｇ
ｏ
墨 一 ｐ一 ） 。ｐ＋ 卜ｐ ｐ ） ｓ ｌ 。 ｐ ｐ一 ）∞ ｐ Ｘ 卜ｐ ｌ （ （ ）
２ 基 于语 义 的 图像 特 征 区域 提 取算 法 、
，ｊ） （ － ， ￣ １ 设 分 割 阀 值 为 ｔ则 ： ． 前 景 概 率 ：。 ： Ｐｆ， ｏ （ （ ）
一
ｔ － Ｏ 背 景 概 率 ： ｍ ∑Ｐ ，× ： Ｉ－（ ＝ ｌｆ ） ｍ ）
前 景 数 学期 望 ：
全 图 的数 学 期 望 为 ： ｔ ＋ ＩＩ Ｉ ｏ∞ ） ０
（） ６
于各 种 分 割算 法 翻 实 现 的 。 些 分割 算 法 均 没有 考虑 到 对 图 像 来 这 语 义 区域 边 缘 的精 确 分 割 ， 而且 存 在 着 不 同 的 缺点 。例 如 ： 动 主 轮 廓 模 型 方 法 （Ｃ 四 要 良好 的 初 始 分 割 ； 于边 缘 检 测 的 分 Ａ 需 基 割 法Ｉ ４ ｔ 用 了 局部 信 息 ， 以保 证 分 割 区 域 内 部 的 颜 色 一 致 ， 只使 难 且 不能 产 生 连 续 的 闭区 域 轮 廓 ； 区域 生 长 与 合 并技 术 ， 方 法 常 该 得 到 不规 则 的 边界 和小 洞 ．而 且 区 域个 数 严 重 依 赖 于 初 始 种 子 数。 同时 计算 量 较 大 ； 于 马 尔 柯 夫 随机 场 （ Ｒ 基 ｈ 的 聚类 【 算 量 Ｉ 卅 巨大 。 同时 ． 些 分 割算 法 一 般 试 图分 割 出数 个 不 同 的 象 素 点群 。 这 每 个 点群 的特 性 以 一个 恒 定 的 颜 色 值来 标 记 啊 而 人 对 图像 的理 。 解 是 基 于 图像 中主要 区域 的选 择 来 进行 的 。 并且 在 有 些 情 况 下 。 算 法 最 终 运行 后 所得 的点 群 数 目需 事 先 说 明 ，这 样 就 可 以完 全 依 赖 人 事 先 给 出分 割 条 件 （ 征 向量 ）再 依 据 其 完 成 图 像 的分 特 ，
（） ７ ，
这 种 方法 选 取 出来 的 阈值 比较 理想 ．虽 然 它 在 某 些 情 况 下 不 是 最佳 的分 割 ． 分 割 质量 通 常都 有 一 定 的 保 障 。 以说 是 比 但 可 较 鲁 棒 的 阈值 选 取 方法 。
计 算 一 次 Ｇ需 要 遍 历 所 有 象 素 点 四 次 ．对 于 ２ ５级 的 灰 ５ 度。 总共 就 需要 扫 描 所 有 象 素点 １２ ０４次 ， 当图 像 较 大 时 。 算量 运 是 非 常大 的 。所 以 ， 实 际 编程 中 。 文 采 用 了 一 次循 环 同时 计 在 本
算 概 率 和期 望 ． 计 算 量 降 低 了 近一 倍 。 使 ２２ ．２特 征 区域 的 提 取 ． 为 了准 确 分 割 图像 特 征 区 域 ．本 文 采 取 人 工 标 注 的 方 法给 出 图像 特 征 。 设 Ｎ 为 图像 中的 象 素 总 数 ， ｄ为计 算模 板 尺寸 ， 图像 特征 则
图像 特征 区域 进 行 准 确 分 割 ， 终提 取 图像 的 特 征 。 实验 结 果 证 明本 文 的 方 法 具 有 较好 的提 取 效 果 ． 低 了提 取 结 果的 信 息 最 降 冗余 ， 图像 分 类 、 别 等 后 续 操 作提 供 了有 力保 障 。 为 识
பைடு நூலகம்
【 关键宇 】 图像语 义； ： 语义 区域； 分割精度
维普资讯
１ ０
福
建
电
脑
２０ ０ ８年第 ６期
动态 阈值分 割在 图像特征提取 中的应用
王 辅 之
（蚌埠 医学院 计 算机教研 室 安徽 蚌埠 ２３ ０ ３ ００）
【 要】 图像 的底层特征承裁 着图像的重要 语义信息。本文通过人工特 征标 注与计 算机 自动提取 相结合 的方法 ． 摘 ： 对
１ 引 言 、
值。 色度 值 为 ｋ的 频数 为 ：
图像 语 义 特征 区 域 的提 取 是 通 过 区 域 分 割技 术 把 图像 分 割
Ｐｋ ＝ （）
１；
（） １ ） （） ２
，
为 一 些 ” 意义 的 ” 有 区域 并 提 取 之 。 们 在 观 察 图像 时 ． 人 首先 关 注 的是 前景 对 象 和 主要 的背 景 区 域 。 因此 ， 图像 特 征 提 取 的首 要 工 作 就 是 分割 图像 中 的有 意 义 区域 ．并 据 此 区 分 出 图像 的前 景 区 域 和 背景 区域 目前 可 以用 于 彩 色 图像 分 割 的 坐 标 系 有 ，， ｙ， ＋ Ｃ ＾ ， ， 土 口 ６ ＾ ，＋ ） 气 ＋ ＋‘ ＋，但 难 以证 明其 中 哪 一 坐 标 系 比其 它 坐 标 系 得 ｌ 到 的 分割 效 果 更好 聊 本 文 直 接采 用 了 （ ，， 颜 色 空 间 ， 出一 。 ＲＣ ） 提 种 改 进 的 图像 特征 区域 提 取 方 法 。 该方 法 首 先 对 图像 进 行 人 工 特征 标 注 ．再 根据 标 注 特 征 采 取 动 态 闭 值分 割 技 术 自动 提 取 图 像 的有 意 义 区 域 ， 最后 依 据 人 对 图像 的 感 知 和 理解 特 性 ， 弃 了 丢 不 必要 的点 群 。 低 了 分割 后 的信 息 冗 余 。 高 了对 图像 语 义 区 降 提 域 提 取 的准 确 性 和鲁 棒 性 。
（ ｆ ｐｏ
一 ■
厶 ｐ
ｉ Ｏ －
（） ４
）
●
背 景 数学 期 望 ：
Ｉ ＝ Ｉ１
（ ｆ
７ ｌ ｌ× Ｈ
函
ｍ Ｉ －
～
：
Ｐ，
（） ５
２１ 规 的 图像 提 取 方 法 ．常 目前对 于 图像 中有 意义 区域 的 提取 方 法 有 很 多 。 主要 是 基
其 方 差代 表 了 前 景 、 景 交叠 错 分 的 程 度 。 以作 为 图像 前 背 可 景 和 背景 是 否 分 开 的 一种 度 量 。 根 据 以 上分 析 ， 由式 （ ） （ ） 以得 出阈 值选 取 公 式 如 下 ： １一 ６ 可
６＝ ｒ Ａｇ
ｏ
墨 一 ｐ一 ） 。ｐ＋ 卜ｐ ｐ ） ｓ ｌ 。 ｐ ｐ一 ）∞ ｐ Ｘ 卜ｐ ｌ （ （ ）
２ 基 于语 义 的 图像 特 征 区域 提 取算 法 、
，ｊ） （ － ， ￣ １ 设 分 割 阀 值 为 ｔ则 ： ． 前 景 概 率 ：。 ： Ｐｆ， ｏ （ （ ）
一
ｔ － Ｏ 背 景 概 率 ： ｍ ∑Ｐ ，× ： Ｉ－（ ＝ ｌｆ ） ｍ ）
前 景 数 学期 望 ：
全 图 的数 学 期 望 为 ： ｔ ＋ ＩＩ Ｉ ｏ∞ ） ０
（） ６
于各 种 分 割算 法 翻 实 现 的 。 些 分割 算 法 均 没有 考虑 到 对 图 像 来 这 语 义 区域 边 缘 的精 确 分 割 ， 而且 存 在 着 不 同 的 缺点 。例 如 ： 动 主 轮 廓 模 型 方 法 （Ｃ 四 要 良好 的 初 始 分 割 ； 于边 缘 检 测 的 分 Ａ 需 基 割 法Ｉ ４ ｔ 用 了 局部 信 息 ， 以保 证 分 割 区 域 内 部 的 颜 色 一 致 ， 只使 难 且 不能 产 生 连 续 的 闭区 域 轮 廓 ； 区域 生 长 与 合 并技 术 ， 方 法 常 该 得 到 不规 则 的 边界 和小 洞 ．而 且 区 域个 数 严 重 依 赖 于 初 始 种 子 数。 同时 计算 量 较 大 ； 于 马 尔 柯 夫 随机 场 （ Ｒ 基 ｈ 的 聚类 【 算 量 Ｉ 卅 巨大 。 同时 ． 些 分 割算 法 一 般 试 图分 割 出数 个 不 同 的 象 素 点群 。 这 每 个 点群 的特 性 以 一个 恒 定 的 颜 色 值来 标 记 啊 而 人 对 图像 的理 。 解 是 基 于 图像 中主要 区域 的选 择 来 进行 的 。 并且 在 有 些 情 况 下 。 算 法 最 终 运行 后 所得 的点 群 数 目需 事 先 说 明 ，这 样 就 可 以完 全 依 赖 人 事 先 给 出分 割 条 件 （ 征 向量 ）再 依 据 其 完 成 图 像 的分 特 ，
（） ７ ，
这 种 方法 选 取 出来 的 阈值 比较 理想 ．虽 然 它 在 某 些 情 况 下 不 是 最佳 的分 割 ． 分 割 质量 通 常都 有 一 定 的 保 障 。 以说 是 比 但 可 较 鲁 棒 的 阈值 选 取 方法 。
计 算 一 次 Ｇ需 要 遍 历 所 有 象 素 点 四 次 ．对 于 ２ ５级 的 灰 ５ 度。 总共 就 需要 扫 描 所 有 象 素点 １２ ０４次 ， 当图 像 较 大 时 。 算量 运 是 非 常大 的 。所 以 ， 实 际 编程 中 。 文 采 用 了 一 次循 环 同时 计 在 本
算 概 率 和期 望 ． 计 算 量 降 低 了 近一 倍 。 使 ２２ ．２特 征 区域 的 提 取 ． 为 了准 确 分 割 图像 特 征 区 域 ．本 文 采 取 人 工 标 注 的 方 法给 出 图像 特 征 。 设 Ｎ 为 图像 中的 象 素 总 数 ， ｄ为计 算模 板 尺寸 ， 图像 特征 则
图像 特征 区域 进 行 准 确 分 割 ， 终提 取 图像 的 特 征 。 实验 结 果 证 明本 文 的 方 法 具 有 较好 的提 取 效 果 ． 低 了提 取 结 果的 信 息 最 降 冗余 ， 图像 分 类 、 别 等 后 续 操 作提 供 了有 力保 障 。 为 识
பைடு நூலகம்
【 关键宇 】 图像语 义； ： 语义 区域； 分割精度
维普资讯
１ ０
福
建
电
脑
２０ ０ ８年第 ６期
动态 阈值分 割在 图像特征提取 中的应用
王 辅 之
（蚌埠 医学院 计 算机教研 室 安徽 蚌埠 ２３ ０ ３ ００）
【 要】 图像 的底层特征承裁 着图像的重要 语义信息。本文通过人工特 征标 注与计 算机 自动提取 相结合 的方法 ． 摘 ： 对
１ 引 言 、
值。 色度 值 为 ｋ的 频数 为 ：
图像 语 义 特征 区 域 的提 取 是 通 过 区 域 分 割技 术 把 图像 分 割
Ｐｋ ＝ （）
１；
（） １ ） （） ２
，
为 一 些 ” 意义 的 ” 有 区域 并 提 取 之 。 们 在 观 察 图像 时 ． 人 首先 关 注 的是 前景 对 象 和 主要 的背 景 区 域 。 因此 ， 图像 特 征 提 取 的首 要 工 作 就 是 分割 图像 中 的有 意 义 区域 ．并 据 此 区 分 出 图像 的前 景 区 域 和 背景 区域 目前 可 以用 于 彩 色 图像 分 割 的 坐 标 系 有 ，， ｙ， ＋ Ｃ ＾ ， ， 土 口 ６ ＾ ，＋ ） 气 ＋ ＋‘ ＋，但 难 以证 明其 中 哪 一 坐 标 系 比其 它 坐 标 系 得 ｌ 到 的 分割 效 果 更好 聊 本 文 直 接采 用 了 （ ，， 颜 色 空 间 ， 出一 。 ＲＣ ） 提 种 改 进 的 图像 特征 区域 提 取 方 法 。 该方 法 首 先 对 图像 进 行 人 工 特征 标 注 ．再 根据 标 注 特 征 采 取 动 态 闭 值分 割 技 术 自动 提 取 图 像 的有 意 义 区 域 ， 最后 依 据 人 对 图像 的 感 知 和 理解 特 性 ， 弃 了 丢 不 必要 的点 群 。 低 了 分割 后 的信 息 冗 余 。 高 了对 图像 语 义 区 降 提 域 提 取 的准 确 性 和鲁 棒 性 。
（ ｆ ｐｏ
一 ■
厶 ｐ
ｉ Ｏ －
（） ４
）
●
背 景 数学 期 望 ：
Ｉ ＝ Ｉ１
（ ｆ
７ ｌ ｌ× Ｈ
函
ｍ Ｉ －
～
：
Ｐ，
（） ５
２１ 规 的 图像 提 取 方 法 ．常 目前对 于 图像 中有 意义 区域 的 提取 方 法 有 很 多 。 主要 是 基