图像处理-区域分割
合集下载
相关主题
- 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)。
➢ 典型的聚类方法： • K-均值 • 模糊C均值 • Mean-Shift聚类算法
➢ 优缺点：
• 不需要先验知识，属于无监督分割法，大大提高了分割的自动化程度，同时提高了分 割的效率。
• 所有的聚类分割法都对初始值敏感，分割效果不稳定；如果不考虑图像空间上下文间 信息，容易出现分割效果不理想的情况。
• 5、对于所有的j，如果ρk<ρj，则将x从Xi移到Xk中。
• 6、重新计算uk和ui的值，并修改Je。
• 7、若迭代N次，Je不变，则停止，否则转到步骤2。
K-均值聚类
➢样本均值
1
ui
=
Ni
x
xX i
➢误差平方和
c
2
Je xui
i1 xXi
➢迭代uj 后uj的N 均j1值1(x和u平j) 方和
Jj
Jj
Nj Nj 1
xuj
2
➢转移N判N j j 1 定x依uj据2NN k k1xuk 2
•
只有当x离uj的距离比离uk的距离更近时才满足上述不等式。
基于图论的分割
➢ 思想：将图像映射为带权图，将像素或区域视为节点，两节点属于同一区 域的可能性表示连接它们边的权值，这样就把分割问题转化为最优化问题-互补子图的割最小（距离说明）
➢ 图论分割流程：
输入图像
映射为图
设计分 割准则
形成目 标函数
对目标函 数求解
图像分割
• 从图像到图的映射
•相似度判断因素：
1、灰度、颜色、纹理等图像特征
2、位置和距离；3、移动趋势；
4、观察s 者主m (i观,认j)为 le 的相x 似 ( 性Ip i。 I(j)2 2)
•权值转换：
图的分割 G=（V,E） V：图的顶点 E：连接顶点 W：边的权值
• 优缺点：
• 方法简单，易于计算。 • 当图像是彩色的时候，仅用单色的准则效果会受到影响。 • 在不考虑像素间的连通性和邻近性时，Βιβλιοθήκη Baidu能出现无意义的结果。
区域生长法
• 2、基于区域内灰度分布统计性质 • 步骤1：把像素分成互不重叠的小区域。 • 步骤2：比较邻接区域的累计灰度直方图，根据分布的相似性进行区 域合并。 • 步骤3：设置终止准则，重复步骤2直到各区域合并满足终止条件。
• 两图之间的联系最弱，则要求子图间的割最小。 • 问题：这中方法偏向于分离单个或者小簇顶点→
➢ 改进的分割算法→
E (u )N(c G 1 ,G u 2) ta c( s u G (1 G ,s 1 G t,G 2 o )) c a c( s u G (G 2 s ,2 G t,G 1 o ))c
4S • 紧凑性= P 2
圆度= P 2 S
通过组合上述三类指标，可以形成性的评价指标！！！
有监督评价方法
真实目标 分割结果
TN FN TP FP
为目标。
为背景。
目标。
背景。
TP TP FN
TN TN FP
其中：TP是分割算法将实际目标正确分割 FN是分割算法将实际目标错误分割
FP是分割算法将实际背景错误分割为 TN是分割算法将实际背景正确分割为
无监督评价方法
➢ 区域内一致性标准
• 区域内一致性主要基于图像的颜色、灰度、纹理和熵等。
• 以最大对比度为原则：
• 分割后的二值图中有R1、R2...RM共M个区域，则第k个区域Rk的一致性Zebk表示为：
ZebkN1k
maxfi ( fj)
jW(i)Rk
iRk
其中i为Rk中的像素,fi为像素i的灰度值，W(i)为像素i的邻域，Nk为区域Rk的像素总数
• 思想：将每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围领域中 与种子像素有相同或相似的像素合并到种子像素所在的区域中。
• 2、分裂合并法
• 分裂合并法先从整幅图开始，先将图像分成任意大小且不重叠的区域，然后再合并或分裂这 些区域以满足分割的要求。
区域生长法
➢ 区域生长三要素：→
分裂合并法
➢ 操作步骤
•对任意区域进行分割。
•对相邻区域，如果 V(Ri,Rj)t，将二者
合并，这里V代表同质区域中的方差。 •如果进一步的分裂或合并都不可能， 则终止算法。
聚类分割
➢ 聚类分割就是把给定的样本集合X={x1,x2,x3....xn}按照某种准则分割成k个不 相交的子集，满足区域分割的要求--同一子集中的样本相似性较大，不同子 集样本的相似性。
• 合并原则：（1）mx aH x1(x-)H2(x)（2） X H1(x)H2(x)
• eg:灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。 这累里计设灰h度1(直X)方和图h2。(X)为相邻两个区域的灰度直方图，H1(X)和H2(X)分别为
➢ 问题：原图尺寸太小时检测可靠性降低，太大时得到的区域形状不理想， 小的目标可能漏掉。
• 确定一组能正确代表所需区域的种子要素。 • 确定在生长过程中能将相邻像素包含进来的准则。 • 制定让生长停止的条件。
➢ 生长准则
• 1、基于区域灰度差
• 步骤1：对像素扫描，找出尚未归置的像素。 • 步骤2：以该像素为中心检查他的邻接像素，如果灰度差小于预先的阈值，将他们合并。 • 步骤3：以新合并的像素为中心，返回步骤2。 • 步骤4：返回步骤1，继续扫描，直到所有像素都有归属。
图像的分割 图像 像素 相邻像素 相邻像素相似度
其中相邻像素的灰度分别为Ij和Ii，σ是一个调节参数。
基于图论的分割
➢ 分割原则：
• 1、同一子集Vi内的顶点之间的关系紧密。 • 2、不同子集Vi与Vj相互之间的关系松散。 • eg:补图、割集、边集。
➢ 分割算法
• 割集的权值之和为割： c( G u 1 ,G 2 ) t w ij E ( u ) m c( G iu 1 ,n G 2 ) t( ) i V 1 ( G 1 )j , V 2 ( G 2 )
TP TP FP
FPFN TPFPTNFN
• 衍生出如下有监督评价标准
其他分割方式
➢ 基于参数活动轮廓模型的分割
• 传统的Snake模型 • GVF Snake模型
➢ 基于几何形变模型的分割
• 几何活动轮廓模型 • 测地活动轮廓模型 • Chan-Vese模型
Thank you
此课件下载可自行编辑修改，供参考！ 部分内容来源于网络，如有侵权请与我联系删除！
• 各个区域Zebkde的加权平均值即为图像分割一致性的评价标准。
Zeb
1 N
M k1
Nkzebk
• 以区域内方差为原则：
• 区域内一致性判定
归一因子E，wk为权值 以分割图像一致性判断
2
1 Nk
iRk
(fi
fk)2
(mafximinfi)2
E（ wk）iRk RkI
iRk
2
U I 1-(Rk Iw k k2E) U I 1-N 2Rk Ii (R m k(fi a fi N 1 xm ki Rkfifii)n )22
K-均值聚类
➢ 执行步骤：
• 1、选择某种方法将N割样本分成c个聚类的初始划分，计算每个聚类的均值u1、u2、 u3...uc和Je
• 2、选择一个备选样本x,设其在Xj中。
• 3、若Ni=1，则转步骤2，否则继续。
• 4、计算。
j
Nj
N
j Ni
1
Ni 1
xuj x ui
2
ji 2 ji
图像分割的性能评价
➢ 图像分割的性能评价分为：
• 无监督评价方法：通过分割结果图像的质量参数来评价相应的分割算法。 • 有监督评价方法：将算法分割得到的图像与理想分割的参考图像进行比对。
➢ 无监督评价方法的质量参数：
• 区域内一致性、区域间差异性指标、语义指标
➢ 有监督评价方法的分割评判标准：
• 真阳性（TP）、假阴性（FN）、假阳性（FP）、真阴性（TN）
区域分割
郭栋彬
目录
➢ 基于区域的分割
• 区域生长法 • 分裂合并法
➢ 聚类分割
• K-均值聚类 • 模糊C均值聚类
➢ 基于图论的分割 ➢ 图像分割的性能评价
区域分割
➢ 阈（yu）值分割法没有或很少考虑空间关系，很多阈值选择受到限制，基 于区域的分割方法可以弥补这点不足。
➢ 区域分割方式：
• 1、区域生长法
i Rk
i Rk
无监督评价方法
➢ 区域间差异化指标
•思想：好的分割，其分割的相邻区域间的特征具有显著的差异。
➢ 语义指标
M1 M
DIR
1 Cm2
f (Ri ) f (Rj )
i1 ji1
max((g(x, y))ming( (x,
y))
( x, y)I
iI
•主要基于分割目标的形状和边界平滑度等信息。
➢ 优缺点：
• 不需要先验知识，属于无监督分割法，大大提高了分割的自动化程度，同时提高了分 割的效率。
• 所有的聚类分割法都对初始值敏感，分割效果不稳定；如果不考虑图像空间上下文间 信息，容易出现分割效果不理想的情况。
• 5、对于所有的j，如果ρk<ρj，则将x从Xi移到Xk中。
• 6、重新计算uk和ui的值，并修改Je。
• 7、若迭代N次，Je不变，则停止，否则转到步骤2。
K-均值聚类
➢样本均值
1
ui
=
Ni
x
xX i
➢误差平方和
c
2
Je xui
i1 xXi
➢迭代uj 后uj的N 均j1值1(x和u平j) 方和
Jj
Jj
Nj Nj 1
xuj
2
➢转移N判N j j 1 定x依uj据2NN k k1xuk 2
•
只有当x离uj的距离比离uk的距离更近时才满足上述不等式。
基于图论的分割
➢ 思想：将图像映射为带权图，将像素或区域视为节点，两节点属于同一区 域的可能性表示连接它们边的权值，这样就把分割问题转化为最优化问题-互补子图的割最小（距离说明）
➢ 图论分割流程：
输入图像
映射为图
设计分 割准则
形成目 标函数
对目标函 数求解
图像分割
• 从图像到图的映射
•相似度判断因素：
1、灰度、颜色、纹理等图像特征
2、位置和距离；3、移动趋势；
4、观察s 者主m (i观,认j)为 le 的相x 似 ( 性Ip i。 I(j)2 2)
•权值转换：
图的分割 G=（V,E） V：图的顶点 E：连接顶点 W：边的权值
• 优缺点：
• 方法简单，易于计算。 • 当图像是彩色的时候，仅用单色的准则效果会受到影响。 • 在不考虑像素间的连通性和邻近性时，Βιβλιοθήκη Baidu能出现无意义的结果。
区域生长法
• 2、基于区域内灰度分布统计性质 • 步骤1：把像素分成互不重叠的小区域。 • 步骤2：比较邻接区域的累计灰度直方图，根据分布的相似性进行区 域合并。 • 步骤3：设置终止准则，重复步骤2直到各区域合并满足终止条件。
• 两图之间的联系最弱，则要求子图间的割最小。 • 问题：这中方法偏向于分离单个或者小簇顶点→
➢ 改进的分割算法→
E (u )N(c G 1 ,G u 2) ta c( s u G (1 G ,s 1 G t,G 2 o )) c a c( s u G (G 2 s ,2 G t,G 1 o ))c
4S • 紧凑性= P 2
圆度= P 2 S
通过组合上述三类指标，可以形成性的评价指标！！！
有监督评价方法
真实目标 分割结果
TN FN TP FP
为目标。
为背景。
目标。
背景。
TP TP FN
TN TN FP
其中：TP是分割算法将实际目标正确分割 FN是分割算法将实际目标错误分割
FP是分割算法将实际背景错误分割为 TN是分割算法将实际背景正确分割为
无监督评价方法
➢ 区域内一致性标准
• 区域内一致性主要基于图像的颜色、灰度、纹理和熵等。
• 以最大对比度为原则：
• 分割后的二值图中有R1、R2...RM共M个区域，则第k个区域Rk的一致性Zebk表示为：
ZebkN1k
maxfi ( fj)
jW(i)Rk
iRk
其中i为Rk中的像素,fi为像素i的灰度值，W(i)为像素i的邻域，Nk为区域Rk的像素总数
• 思想：将每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围领域中 与种子像素有相同或相似的像素合并到种子像素所在的区域中。
• 2、分裂合并法
• 分裂合并法先从整幅图开始，先将图像分成任意大小且不重叠的区域，然后再合并或分裂这 些区域以满足分割的要求。
区域生长法
➢ 区域生长三要素：→
分裂合并法
➢ 操作步骤
•对任意区域进行分割。
•对相邻区域，如果 V(Ri,Rj)t，将二者
合并，这里V代表同质区域中的方差。 •如果进一步的分裂或合并都不可能， 则终止算法。
聚类分割
➢ 聚类分割就是把给定的样本集合X={x1,x2,x3....xn}按照某种准则分割成k个不 相交的子集，满足区域分割的要求--同一子集中的样本相似性较大，不同子 集样本的相似性。
• 合并原则：（1）mx aH x1(x-)H2(x)（2） X H1(x)H2(x)
• eg:灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。 这累里计设灰h度1(直X)方和图h2。(X)为相邻两个区域的灰度直方图，H1(X)和H2(X)分别为
➢ 问题：原图尺寸太小时检测可靠性降低，太大时得到的区域形状不理想， 小的目标可能漏掉。
• 确定一组能正确代表所需区域的种子要素。 • 确定在生长过程中能将相邻像素包含进来的准则。 • 制定让生长停止的条件。
➢ 生长准则
• 1、基于区域灰度差
• 步骤1：对像素扫描，找出尚未归置的像素。 • 步骤2：以该像素为中心检查他的邻接像素，如果灰度差小于预先的阈值，将他们合并。 • 步骤3：以新合并的像素为中心，返回步骤2。 • 步骤4：返回步骤1，继续扫描，直到所有像素都有归属。
图像的分割 图像 像素 相邻像素 相邻像素相似度
其中相邻像素的灰度分别为Ij和Ii，σ是一个调节参数。
基于图论的分割
➢ 分割原则：
• 1、同一子集Vi内的顶点之间的关系紧密。 • 2、不同子集Vi与Vj相互之间的关系松散。 • eg:补图、割集、边集。
➢ 分割算法
• 割集的权值之和为割： c( G u 1 ,G 2 ) t w ij E ( u ) m c( G iu 1 ,n G 2 ) t( ) i V 1 ( G 1 )j , V 2 ( G 2 )
TP TP FP
FPFN TPFPTNFN
• 衍生出如下有监督评价标准
其他分割方式
➢ 基于参数活动轮廓模型的分割
• 传统的Snake模型 • GVF Snake模型
➢ 基于几何形变模型的分割
• 几何活动轮廓模型 • 测地活动轮廓模型 • Chan-Vese模型
Thank you
此课件下载可自行编辑修改，供参考！ 部分内容来源于网络，如有侵权请与我联系删除！
• 各个区域Zebkde的加权平均值即为图像分割一致性的评价标准。
Zeb
1 N
M k1
Nkzebk
• 以区域内方差为原则：
• 区域内一致性判定
归一因子E，wk为权值 以分割图像一致性判断
2
1 Nk
iRk
(fi
fk)2
(mafximinfi)2
E（ wk）iRk RkI
iRk
2
U I 1-(Rk Iw k k2E) U I 1-N 2Rk Ii (R m k(fi a fi N 1 xm ki Rkfifii)n )22
K-均值聚类
➢ 执行步骤：
• 1、选择某种方法将N割样本分成c个聚类的初始划分，计算每个聚类的均值u1、u2、 u3...uc和Je
• 2、选择一个备选样本x,设其在Xj中。
• 3、若Ni=1，则转步骤2，否则继续。
• 4、计算。
j
Nj
N
j Ni
1
Ni 1
xuj x ui
2
ji 2 ji
图像分割的性能评价
➢ 图像分割的性能评价分为：
• 无监督评价方法：通过分割结果图像的质量参数来评价相应的分割算法。 • 有监督评价方法：将算法分割得到的图像与理想分割的参考图像进行比对。
➢ 无监督评价方法的质量参数：
• 区域内一致性、区域间差异性指标、语义指标
➢ 有监督评价方法的分割评判标准：
• 真阳性（TP）、假阴性（FN）、假阳性（FP）、真阴性（TN）
区域分割
郭栋彬
目录
➢ 基于区域的分割
• 区域生长法 • 分裂合并法
➢ 聚类分割
• K-均值聚类 • 模糊C均值聚类
➢ 基于图论的分割 ➢ 图像分割的性能评价
区域分割
➢ 阈（yu）值分割法没有或很少考虑空间关系，很多阈值选择受到限制，基 于区域的分割方法可以弥补这点不足。
➢ 区域分割方式：
• 1、区域生长法
i Rk
i Rk
无监督评价方法
➢ 区域间差异化指标
•思想：好的分割，其分割的相邻区域间的特征具有显著的差异。
➢ 语义指标
M1 M
DIR
1 Cm2
f (Ri ) f (Rj )
i1 ji1
max((g(x, y))ming( (x,
y))
( x, y)I
iI
•主要基于分割目标的形状和边界平滑度等信息。