最新主动轮廓图像分割综述教学讲义ppt课件
合集下载
第七章 图像分割_PPT课件
•关键点
– 鲁棒局部特征，抗变形能力强，适用于匹配
• 7.3 阈值法 —— 全局阈值法
• 思路
– 将分割问题视为面向每一个像素的分类问题，通常使用简单的阈 值不等式判断像素的类别。
• 条件
– 待分割区域与背景区域在像素级特征上存在明显的差异，而两个 区域内部像素在统计上各自具有较强的相似性。从特征直方图上 看，具有明显的双峰分布的图像比较适合使用阈值法进行分割
• 自然图像理解
• 7.2 图像特征概述
•亮度 •直方图 •变换系数 •边缘 •纹理 •关键点
• 7.2 图像特征概述
•亮度
– 空间连续性，稠密性，直观，敏感性
•直方图
– 统计特征，抗线性几何变换
•变换系数
– 频域统计特征，提供一种完全不同的视角
•边缘
– 符合视觉习惯，是形状信息的基础
•纹理
– 局部不连续性和全局相似性的统一
• 7.3 阈值法 —— 全局阈值法
• 如何确定阈值T？
–迭代法 –大津法 (OTSU) –最优阈值法 –最大熵法 –众数法 –矩不变法 ……
• 7.3 阈值法 —— 全局阈值法
• 迭代阈值法
1）选取一个的初始估计值T； 2）用T分割图像。这样便会生成两组像素集合：G1由所有灰度值大 于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 3）对G1和G2中所有像素计算平均灰度值u1和u2。 4）计算新的阈值：T=1/2(u1 + u2)。 重复步骤（2）到（4），直到T值更新后产生的偏差小于一个事先定 义的参数T0。
• 从优化的角度看，迭代阈值法的目标函数：
• 7.3 阈值法 —— 全局阈值法
• 大津法（OTSU） – 寻找使类间离散度最大化的阈值T – 类间离散度的数学定义
– 鲁棒局部特征，抗变形能力强，适用于匹配
• 7.3 阈值法 —— 全局阈值法
• 思路
– 将分割问题视为面向每一个像素的分类问题，通常使用简单的阈 值不等式判断像素的类别。
• 条件
– 待分割区域与背景区域在像素级特征上存在明显的差异，而两个 区域内部像素在统计上各自具有较强的相似性。从特征直方图上 看，具有明显的双峰分布的图像比较适合使用阈值法进行分割
• 自然图像理解
• 7.2 图像特征概述
•亮度 •直方图 •变换系数 •边缘 •纹理 •关键点
• 7.2 图像特征概述
•亮度
– 空间连续性，稠密性，直观，敏感性
•直方图
– 统计特征，抗线性几何变换
•变换系数
– 频域统计特征，提供一种完全不同的视角
•边缘
– 符合视觉习惯，是形状信息的基础
•纹理
– 局部不连续性和全局相似性的统一
• 7.3 阈值法 —— 全局阈值法
• 如何确定阈值T？
–迭代法 –大津法 (OTSU) –最优阈值法 –最大熵法 –众数法 –矩不变法 ……
• 7.3 阈值法 —— 全局阈值法
• 迭代阈值法
1）选取一个的初始估计值T； 2）用T分割图像。这样便会生成两组像素集合：G1由所有灰度值大 于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 3）对G1和G2中所有像素计算平均灰度值u1和u2。 4）计算新的阈值：T=1/2(u1 + u2)。 重复步骤（2）到（4），直到T值更新后产生的偏差小于一个事先定 义的参数T0。
• 从优化的角度看，迭代阈值法的目标函数：
• 7.3 阈值法 —— 全局阈值法
• 大津法（OTSU） – 寻找使类间离散度最大化的阈值T – 类间离散度的数学定义
《图像分割技术》课件
Canny边缘检测
由John Canny在1986年提出，通 过求解梯度幅值的局部最大值来 检测图像中的边缘。
Laplacian边缘检测
通过计算图像的二阶导数来检测 边缘。
基于图像信息的分割
1 区域生长法
从像素点开始逐渐生长， 形成相似的区域。
2 分水岭算法
通过将图像看作地理地形 图，使用水的流动路线来 进行分割。
图像分割技术
本课程介绍图像分割技术的定义、分类、应用和发展历程。我们将介绍传统 方法和深度学习应用，并展望未来的研究方向。
概述
定义与意义
图像分割是将图像分成多个部分或对象的过程。 广泛应用于计算机视觉、医学图像处理、自动 驾驶和图像语义分析等领域。
分类与应用领域
根据分割结果的类型和得到的方式，可以将图 像分割分为像素分割、基于边缘的分割、基于 图像信息的分割和基于深度学习的分割等。 分 割技术在医学图像处理、自动驾驶、图像语义 分析等领域得到了广泛的应用。
使用在深度学习领域中最新技术， 为不同的图像分配像素级别的标 签，从而识别和分类。
研究前沿
1
图像分割中的深度学习新方法研究
使用新的深度学习技术，如GAN和Transformer网络，来进一步提高图像分割的 准确性和鲁棒性。
2
图像分割中的多模态融合研究
将多种分割方法结合起来，例如结合像素级别的分割和语义级别的分割。
3
U-Net网络的应用
使用更加深入的卷积网络 U-Net，在较少的数据集上进行训练，得到高质量的分 割结果。
实例应用
医学图像处理中的应用
自动驾驶中的应用
图像语义分割中的应用
采用分割算法对脑部 MRI 扫描图 像中肿瘤进行分割、测量和定位， 为医生的诊断提供支持。
第五章图像分割(新)-2PPT课件
15 14 87 83 81 80 85 81 81 *
**********
3 5 2 l 4 6 91 7 * *
(b)表示(a)中部分像素的灰度梯度值，
一部 分灰度梯度值较低，在0～15之间，
3 5 2 5 5 68 4 7 * * 8 5 5 2 2 98 4 7 * * 2 4 7 3 96 5 8 5 * *
17 10 18 14 85 84 82 85 88 * 显然，一部分像素的灰度较低，在10-20之间，
11 14 19 13 88 89 89 85 85 * 19 10 lO 84 88 81 89 84 80 *
而另一部分像素的灰度较高，在80～90之间。
11 16 89 82 89 82 81 88 89 *
素 p2 作为下一个边界点，并 此类推，得到封闭边界。
p1
与
p2
相连，以
一旦得到封闭边界，就可将位于边界一侧的像素归 入一子图像，而将其另一侧的像素归入另一子图像， 这样便完成了基于边界的图像分割。
方法一：将梯度值大的且相差较小(设阈值T)的像素连
接起来构成边界。 根据相邻边界像素的灰度梯度有一定相似性的原则，将
符合以下条件的相邻边界像素连接。 假设：像素(p，q)和(s，t)均为边界像素，其灰度梯度
的幅度和方向分别为G[f(p，q)]，G[f(s,t)]和φ[f(p， q)]，φ[f(s，t)]。按差分法计算灰度梯度幅度和梯度 方向的公式如下：
一方面，各种图像分割算法已成为图尚没有一种通用的分割算法 对各种图像均能得到满意的分割结果。
在实际应用中，应根据被处理图像的特点，合理地选择或 设计合适的分割方法。
图像分割方法
基于边界的图像分割； 阈值分割（全局阈值分割、局部阈值分割）； 阈值分割的推广—特征空间中的聚类分割图像
数字图像处理与分析图像分割(课堂PPT)
下面看一下导数的求取方法。从第三章了解到，图像 中的一阶导数采用梯度算子计算，而二阶导数常使用 拉普拉斯算子得到。
13
梯度算子
一幅数字图像的一阶导数是基于各种二维梯度的近似值。图像f(x,y)在位
置(x,y)的梯度定义为下列向量：
f
F
G x
G
y
x
f
y
（10.1.3）
向量的大小：
图10.7中第一列的图 像分割显示了分割左 右黑白区域的4个斜 坡边缘的特写图。分 别被均值为0且 σ=0.0,0.1,1.0,10.0 的随机高斯噪声污染。 第二列是一阶导数图 像和灰度级剖面线。 第三列为二阶导数图 像和灰度级剖面线。
图10.7
12
这个例子很好的说明了导数对于噪声的敏感性。 那么为了对于有意义的边缘点进行分类，必须使得与 这个点相联系的灰度级变换比在这一点的背景上的变 换更为有效才行。即所作的变换应该更有利于区分边 缘点。比如，如果噪声严重的话，就要慎用导数变换。
的特征，那么特征值的分界点就是一个门限。
3
8.1 间断检测
间断检测技术包括点检测，线检测和边界检测三种。寻找间断最 一般的方法是模板检测。计算模板所包围区域的灰度级与模板系 数的乘积之和。
图像中任意点的模板响应公式(3×3模板)：
Rw1z1w2z2 w9z9
9
wizi i1 图10.1 3*3模板
可以看到，
(a)
（1）图中水平和垂直的部
分都被去掉了，并且在(b)
中所有原图中接近-450的部
分产生了最强响应。
（2）加了门限之后，在(c） 中有孤立点，可以使用点检 测模板检测，然后删除，或 者使用下一章的形态学腐蚀 法删除。
13
梯度算子
一幅数字图像的一阶导数是基于各种二维梯度的近似值。图像f(x,y)在位
置(x,y)的梯度定义为下列向量：
f
F
G x
G
y
x
f
y
（10.1.3）
向量的大小：
图10.7中第一列的图 像分割显示了分割左 右黑白区域的4个斜 坡边缘的特写图。分 别被均值为0且 σ=0.0,0.1,1.0,10.0 的随机高斯噪声污染。 第二列是一阶导数图 像和灰度级剖面线。 第三列为二阶导数图 像和灰度级剖面线。
图10.7
12
这个例子很好的说明了导数对于噪声的敏感性。 那么为了对于有意义的边缘点进行分类，必须使得与 这个点相联系的灰度级变换比在这一点的背景上的变 换更为有效才行。即所作的变换应该更有利于区分边 缘点。比如，如果噪声严重的话，就要慎用导数变换。
的特征，那么特征值的分界点就是一个门限。
3
8.1 间断检测
间断检测技术包括点检测，线检测和边界检测三种。寻找间断最 一般的方法是模板检测。计算模板所包围区域的灰度级与模板系 数的乘积之和。
图像中任意点的模板响应公式(3×3模板)：
Rw1z1w2z2 w9z9
9
wizi i1 图10.1 3*3模板
可以看到，
(a)
（1）图中水平和垂直的部
分都被去掉了，并且在(b)
中所有原图中接近-450的部
分产生了最强响应。
（2）加了门限之后，在(c） 中有孤立点，可以使用点检 测模板检测，然后删除，或 者使用下一章的形态学腐蚀 法删除。
图像分割技术完整PPT
分也水可岭 以对在应人于工原选始出图阈像值中后的，边根缘据分割效果i，不断的交互操作，从而选择出最佳的阈值。
12
其灰度均值 阈值运算得二值图像——g(x,y)
(3) 计算新的阈值Ti+1 内部像素灰度分布高度相关。
Ti
ini
L 1
ini
适用于背景和
, 的分析来确定它的值。
i0
i Ti
当处在不同的汇水盆地中的水将要汇合在1一起时T，i 修建大坝阻止水2汇合。L1
13
自动阈值
迭代法
基本思想：开始时选择一个阈值作为初始估计值，然后
按某种策略不断地改进这一估计值，直到满足给定的准则 为止。在迭代过程中，关键之处在于选择什么样的阈值改 进策略，好的阈值的改进策略应该具备两个特征，一是能 够快速收敛，二是在每一个迭代过程中，新产生阈值优于 上一次的阈值。
14
自动阈值
分割出来的各区域对某种性质例如灰度，纹理而
言具有相似性，区域内部是连通的且没有过多小 孔；
区域边界是明确的； 相邻区域对分割所依据的性质有明显的差异。
3
图像分割 特征
图像分割算法一般是基于亮度值的两个基本特性之一: 不连 续性和相似性.
第1类性质的应用途径是基于亮度的不连续变化分割图像,比如 图像的边缘.
第2类的主要应用途径是依据事先制定的准则将图像分割为相 似的区域.门限(阈值)处理、区域生长、区域分离和聚合都是 这类方法的实例。
4
7.3 门限处理(阈值分割)
特点： 直观性 易于实现 封闭而连通的边界（不交叠区域）
5
基本原理
以一定的图像模型为依托。最常用的图像模型是 假设图由具有单峰灰度分布的目标和背景组成。
的分析来确定它的值。
12
其灰度均值 阈值运算得二值图像——g(x,y)
(3) 计算新的阈值Ti+1 内部像素灰度分布高度相关。
Ti
ini
L 1
ini
适用于背景和
, 的分析来确定它的值。
i0
i Ti
当处在不同的汇水盆地中的水将要汇合在1一起时T，i 修建大坝阻止水2汇合。L1
13
自动阈值
迭代法
基本思想：开始时选择一个阈值作为初始估计值，然后
按某种策略不断地改进这一估计值，直到满足给定的准则 为止。在迭代过程中，关键之处在于选择什么样的阈值改 进策略，好的阈值的改进策略应该具备两个特征，一是能 够快速收敛，二是在每一个迭代过程中，新产生阈值优于 上一次的阈值。
14
自动阈值
分割出来的各区域对某种性质例如灰度，纹理而
言具有相似性，区域内部是连通的且没有过多小 孔；
区域边界是明确的； 相邻区域对分割所依据的性质有明显的差异。
3
图像分割 特征
图像分割算法一般是基于亮度值的两个基本特性之一: 不连 续性和相似性.
第1类性质的应用途径是基于亮度的不连续变化分割图像,比如 图像的边缘.
第2类的主要应用途径是依据事先制定的准则将图像分割为相 似的区域.门限(阈值)处理、区域生长、区域分离和聚合都是 这类方法的实例。
4
7.3 门限处理(阈值分割)
特点： 直观性 易于实现 封闭而连通的边界（不交叠区域）
5
基本原理
以一定的图像模型为依托。最常用的图像模型是 假设图由具有单峰灰度分布的目标和背景组成。
的分析来确定它的值。
- 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)。
参数主动轮廓模型：基于拉格朗日方程框架，以 弧长等参数显式地表达演化曲线。（snake模型）
几何主动轮廓模型：基于欧拉方程框架，用水平 集函数的零水平集来表示轮廓曲线。
基于边缘：利用图像梯度信息，对噪声敏感，结果依赖 初始化的设置。（GAC）
基于区域：从统计上对前景和背景进行建模仿真，通过 寻找一个最优能量来使模型最佳拟合原图像。(MS-CV,LBF)
造成护患纠纷 ▪ 医生已经停止长嘱，但是电脑上没停止，
造成患者多用2天甚至几天，护士查对不出。
Байду номын сангаас 护理差错案例
▪ 抽血标本时，试管选择有误，造成患者重 新抽血，有时遭到投诉
▪ 晚夜间巡视不够，患者离院或跌倒，护士 不知道
▪ 错把氯化钾当做氯化钠使用 ▪ 手术接错病人，或者手术部位弄错 ▪ 使用胰岛素种类错误 ▪ 漏执行医嘱等
护士如何在工作中落实三查七对
外二科
前言
▪ 50年代，由我国护理前辈黎秀芳老师经过 临床实践总结出的“三查七对”制度和程 序在全国推广沿用至今，60年来一直是我 国护理工作的主要制度。这一制度的实行， 很大程度上减少了护理差错的发生，保证 了护理质量。
护理质量真的保证了???
▪ 我们护士在临床工作中真的落实了吗？如 果真的落实了又怎么会发生那么多的差错 事故呢？大家知道临床上发错药、输错液 体、换错液体的现象时有发生，研究表明， 有近一半的护理差错是没有严格执行这一 查对制度造成的。
护士质素因素
2、过于自信和相信她人（尤其是高年资的护 士），在一些基础的常规操作中，对于中 等年资或高年资的护士来说是驾轻就熟的， 她们往往坚信自己绝不会出错。因为以前 住院患者及家属自我保护意识淡漠，造成 高年资护士养成不良习惯，同时没有做好 传、帮、带
护士质素因素
3、护理工作风险意识不够 表现为主动服务意识及分析问题解决问题 的能力不够，而出现机械性的执行医嘱导 致常规工作出错
② 水平集与其它方法融合：基于分水岭；基于SVM；基 于核空间；基于图割；基于随机场；（主要是给分割 提供先验知识，先粗分再细分）
③ 多相水平集分割：即多目标分割，关键在于如何自动 确定待分割区域的数目。
④ 分割灰度不均匀图像：（医学图像，核磁共振图像， 遥感图像）提升抗噪能力和计算效率。
⑤ 真实运动目标的分割：与目标跟踪相结合，分割为跟 踪提供轮廓信息解决遮挡问题，跟踪为分割提供关于 目标区域的先验信息提升分割效率和结果。
基于水平集的主动轮廓模型（几何活动轮廓）： 不可表示点和非闭合曲线，不可描述有相交点的曲线变化。可处理演化曲线的拓 扑结构改变，计算稳定，但计算慢。 基于边界：GAC(1997) 利用边界信息，对噪声敏感，依赖初始曲线的选取。利用 图像灰度值的突变。 基于区域：MS——CV——PS——RSF(LBF)——新的局部区域分割模型【Zhang,2010】 不利用梯度信息，对弱边界目标仍有好的分割效果，将图像分割成相似的区域。
护理差错图片举例
▪ 去年9月海南某三甲医院护士打错液体
香港实习医生打错针
▪ 将两种药物打入脊髓21岁美少女致死
为什么会发生差错呢？
▪ 护士质素因素： 1、工作时注意力不集中 ：往往因工作环境
的改变、压力的增加、学业、家庭的影响， 女性生理变化、季节因素，不能很好的调 节自己的情绪导致工作时注意力分散。
护士落实三查七对的盲区
▪ 对三查七对的重要性认识不足 调查发现：核对用法、时间的落实率100%； 药液质量、有效期落实率相对较低。 根据检查时段，摆药时查、操作前查落实率 相对较高
主动轮廓图像分割综述
基于PDE的主动轮廓图像分割（主要使用水平集）
主动轮廓图像分割：将目标边缘整体化，通过完整的轮廓曲线经过特定 的算法自动的将目标与背景分割开。
分割流程： 建立一个能量泛函
在图上给出一个初始轮廓
用变分法最小化能量泛函使轮廓曲线在自身的内力和图像信息的外力下 发生形变
曲线演化到目标边界时能量达到最小 实现目标与背景的分割
护士质素因素
4、自律性不强 工作的指导思想不端正，没有站在患者 和家属的角度进行换位思考，表现为责 任心不强，自律性不够
工作程序因素
▪ 1、操作程序不明确 如多个患者的不同治疗同时进行，易在查 对中张冠李戴造成失误
工作程序因素
2、医嘱处理程序不完善 目前执行的转抄医嘱的方法使转抄人和 执行人不连贯造成失误，在查对医嘱中 单人有声唱而无人应答时造成注意力不 集中而出现失误
用PDE的数值方法求解（有限差分法） 利用等间隔网格化后的离散图像中相邻点的值只差与此相邻点间的距离之 比来近似函数的偏导数。
此解为一幅图像（图像增强，图像修复）或为图像和它的边界（图像分割）
基于水平集的图像分割研究趋势：
① 水平集计算效率：水平集函数初始化；自适应步长； 初始化函数：基于多分辨技术；
主动轮廓的演化过程就是顶点序列的迭代过程，每次迭代 得到顶点序列的新位置并计算得到的新参数。
获得了一个包含所需曲线的曲面，然后进行演化：
基于边缘梯度信息或基于区域特征（只有曲面演化速度方程不同） 曲面演化速度方程即水平集演化方程：
在曲线演化过程中，由于图像的离散性和噪声的干扰，水平集函数 经过一段时间后会发生震荡，并逐渐失去光滑性和距离函数特性， 出现尖角或平坦的现象，从而导致最终的计算结果偏离真实情况。 早期研究人员提出通过周期性重新初始化来解决，现在普遍使用李 春明教授提出的在能量函数中嵌入能量惩罚项来解决这一问题。
MS：
CV:
PS:
RSF:
水平集将曲线演化转化成一个纯粹的求PDE数值解的问题。 源于变分原理的PDE方法将所研究的图像处理问题归结为一个求泛函极值 的问题。
求解过程：
用变分法导出一组PDE（有初始条件或边界条件以此保证PDE有实际意义） 求能量函数极值，求极值函数的欧拉微分，最后利用梯度下降法获得PDE.
什么是三查七对？
▪ 三查：摆药后查， 服药、注射、处置前查， 注射处置后查。
▪ 七对：床号、姓名、药名、剂量、浓度、 时间、用法。
三查七对全面吗？
▪ 药液的质量 ▪ 有效期 ▪ 滴速 ▪ 腕带
护理差错案例
▪ 某护士将1床的口服药发给2床 ▪ 实习生错把雾化吸入药当作静脉给药，用
到患者身上。 ▪ 将过期药品用到患者身上，还是家属发现，