图像分割特征提取识别分类分析
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)。
把它们连接在一起以构成所需的边界
跟踪方法 - 利用前期处理过的点的信息，
判断图像当前处理点是否为目标点，再进行 跟踪运算
门限分割技术
从背景中检出对象的门限法
1 f ( x, y ) T g T ( x, y ) 0 g T ( x, y ) 0 1 f ( x, y ) T g T ( x, y ) 0 g T ( x, y ) 0
计算每个象素点梯度模（增强边缘）
转梯度图为二值图 将二值图与原图相乘，得到新图 取新图直方图双峰中的谷底所对应的灰度值 为最佳门限
门限分割技术
最佳门限的选择
双极模型的直方图，选取谷底对应的灰度为门限
最小误差门限法
求使类间方差(分离度)最大的t 阈值
图像由目标与背景组成，目标点占图像的，背景则为1-
第八章 图像分析
图像处理重要任务—
图像景物的分析与理解
把图像分割成不同的区域； 找出分开的各区域的特征；
图像分割 特征提取
识别图像中要找的目标，或对图像中不同的 特征进行分类； 识别、分类 对于不同区域进行描述；或相关区域连接起 来组成有意义的结构； 分析、描述和解释
1. 模式识别与图像处理系统
门限分割技术 全局阈值方法 大量实验表明，基于简单的统计量方法 往往可以获得较好的分割结果;而基于熵的 方法应用于有噪声图象时结果一般较差。
分割方法的评估参数－一致性U(t)与形状测量S(t)
P. K. Sahoo, S. Soltani, A. K. C. Wong and Y. C. Chen, A survey of thresholding techniques, Computer Vision, Graphics, and Image Processing 41, 233-260 (1988)
f ( x, y ) T
f ( x, y ) T
门限分割技术
最佳门限的选择
已知被处理二值图灰度分布的概率，可用试探方法 双极模型的直方图，选取谷底对应的灰度为门限
T
• 计算图像的直方图，在直 方图中找出二个局部极大值 以及它们之间的极小值
• 二次曲线拟合参差不齐的直 方图的谷底部分 y=ax2+bx+c
图像分割
物 体 特征提取 图 像 特征
向量
x1 分类器训练 x2 性能评估 . xN
分类
物 体 类 型
图像处理系统
连通集中的任意两个象素之间，存在一 条完全由该集合的元素构成的连通路径
象素连 通集
数字图像划分成互不相交区域的过程
分割
图 像 图 像
图像 识别
图像处理
图 像
分 类 与 结 构 分 析
图像
图像理解
说明复杂图像组成
描述和理解
1. 模式识别与图像处理系统 2. 图像分割
3. 形态学图像处理
4. 特征提取 5. 区域描述 6. 识别与分类 图像分割
• 门限分割技术
• 基于边缘分割技术
• 基于区域分割技术 • 轮廓跟踪
图像处理系统 • 实例
1 f ( x, y ) z g z ( x, y ) z [ g1 , g 2 ] 1 T1 f ( x, y )0T2 1 f ( x, y ) T1 , f ( x, y ) T2
门限分割技术
半门限法
二值图像 保留图像，背景变白或暗
f ( x, y ) g T ( x, y ) 0 or 1 f ( x, y ) g T ( x, y ) 0 or 1
图像分割 技术
基于点相关：依据各个象素灰度的不连续性进行分割
基于区域相关：依据同一区域具有相似的灰度特征或 组织特征，寻求不同区域的边界
方法
基于直方图 基于边缘 基于区域 基于边缘与区域
点相关分割技术
门限方法 - 选择合适的门限将目标从背
景中分割出来
边缘检测 - 先确定目标边缘轮廓象素再
p( z )dz 1 P(t )
t
任取一图像点被误分的全概率为 P(Error)=P(S) Ps (error) +P(B) PB (error)=[1-P(t)]+(1-)Q(t)
令 P( Error ) 0
t
所求的门限是最佳门限T Otsu法（N. Otsu, 1979, IEEE SMC）
• 高斯曲线拟合高峰，取二曲 线交点为谷底
众数法 (J.M.S. Prewitt, et al., 1966, Ann. New York Acad. Sci.)
门限分割技术
最佳门限的选择
双极模型的直方图，选取谷底对应的灰度为门限
目标边界两侧的灰度值有明显的差异，取边 界两侧的灰度值的谷底为门限。
S_任一图像点为目标事件；B_任一图像点为背景事件； P(S)= , P(B)=1-
目标和背景的概率分布密度为高斯分布p(z)和q(z), 则图像 的灰度概率分布密度为 d(z)= p(z)+(1- )q(z) 图像的数学期望和方差为 E= ms+(1- )mB 2= 2s+(1- ) 2B+ (1- ) (ms-mB)2
门限分割技术
最佳门限的选择
双极模型的直方图，选取谷底对应的灰度为门限
选取门限 t ，假定
背景点错当目标的概率为
最小误差门限法
目标点错当背景的概率为
灰度<t时，图像点为目标；灰度>=t时，图像点为背景
PB (error )
q( z)dz Q(t )
t
PS (error )
2. 图像分割 3. 形态学图像处理
4. 特征提取
5. 区域描述 6. 识别与分类
草莓 苹 果 柠 檬
模式
香 蕉
葡萄 樱 桃
柠 檬 草莓
模式识别 过程
香蕉
葡萄 樱桃 苹果
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
模式识别 示例
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
ห้องสมุดไป่ตู้
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/TV
模式识别 示例
苹 果
樱 桃
柠 檬
特 红色程度 征 直径
分类系统
图 葡 萄 像 处 理 系 统
模式识别过 程与实现
输入图像
物体检测器设计
特征提取
分类器设计
跟踪方法 - 利用前期处理过的点的信息，
判断图像当前处理点是否为目标点，再进行 跟踪运算
门限分割技术
从背景中检出对象的门限法
1 f ( x, y ) T g T ( x, y ) 0 g T ( x, y ) 0 1 f ( x, y ) T g T ( x, y ) 0 g T ( x, y ) 0
计算每个象素点梯度模（增强边缘）
转梯度图为二值图 将二值图与原图相乘，得到新图 取新图直方图双峰中的谷底所对应的灰度值 为最佳门限
门限分割技术
最佳门限的选择
双极模型的直方图，选取谷底对应的灰度为门限
最小误差门限法
求使类间方差(分离度)最大的t 阈值
图像由目标与背景组成，目标点占图像的，背景则为1-
第八章 图像分析
图像处理重要任务—
图像景物的分析与理解
把图像分割成不同的区域； 找出分开的各区域的特征；
图像分割 特征提取
识别图像中要找的目标，或对图像中不同的 特征进行分类； 识别、分类 对于不同区域进行描述；或相关区域连接起 来组成有意义的结构； 分析、描述和解释
1. 模式识别与图像处理系统
门限分割技术 全局阈值方法 大量实验表明，基于简单的统计量方法 往往可以获得较好的分割结果;而基于熵的 方法应用于有噪声图象时结果一般较差。
分割方法的评估参数－一致性U(t)与形状测量S(t)
P. K. Sahoo, S. Soltani, A. K. C. Wong and Y. C. Chen, A survey of thresholding techniques, Computer Vision, Graphics, and Image Processing 41, 233-260 (1988)
f ( x, y ) T
f ( x, y ) T
门限分割技术
最佳门限的选择
已知被处理二值图灰度分布的概率，可用试探方法 双极模型的直方图，选取谷底对应的灰度为门限
T
• 计算图像的直方图，在直 方图中找出二个局部极大值 以及它们之间的极小值
• 二次曲线拟合参差不齐的直 方图的谷底部分 y=ax2+bx+c
图像分割
物 体 特征提取 图 像 特征
向量
x1 分类器训练 x2 性能评估 . xN
分类
物 体 类 型
图像处理系统
连通集中的任意两个象素之间，存在一 条完全由该集合的元素构成的连通路径
象素连 通集
数字图像划分成互不相交区域的过程
分割
图 像 图 像
图像 识别
图像处理
图 像
分 类 与 结 构 分 析
图像
图像理解
说明复杂图像组成
描述和理解
1. 模式识别与图像处理系统 2. 图像分割
3. 形态学图像处理
4. 特征提取 5. 区域描述 6. 识别与分类 图像分割
• 门限分割技术
• 基于边缘分割技术
• 基于区域分割技术 • 轮廓跟踪
图像处理系统 • 实例
1 f ( x, y ) z g z ( x, y ) z [ g1 , g 2 ] 1 T1 f ( x, y )0T2 1 f ( x, y ) T1 , f ( x, y ) T2
门限分割技术
半门限法
二值图像 保留图像，背景变白或暗
f ( x, y ) g T ( x, y ) 0 or 1 f ( x, y ) g T ( x, y ) 0 or 1
图像分割 技术
基于点相关：依据各个象素灰度的不连续性进行分割
基于区域相关：依据同一区域具有相似的灰度特征或 组织特征，寻求不同区域的边界
方法
基于直方图 基于边缘 基于区域 基于边缘与区域
点相关分割技术
门限方法 - 选择合适的门限将目标从背
景中分割出来
边缘检测 - 先确定目标边缘轮廓象素再
p( z )dz 1 P(t )
t
任取一图像点被误分的全概率为 P(Error)=P(S) Ps (error) +P(B) PB (error)=[1-P(t)]+(1-)Q(t)
令 P( Error ) 0
t
所求的门限是最佳门限T Otsu法（N. Otsu, 1979, IEEE SMC）
• 高斯曲线拟合高峰，取二曲 线交点为谷底
众数法 (J.M.S. Prewitt, et al., 1966, Ann. New York Acad. Sci.)
门限分割技术
最佳门限的选择
双极模型的直方图，选取谷底对应的灰度为门限
目标边界两侧的灰度值有明显的差异，取边 界两侧的灰度值的谷底为门限。
S_任一图像点为目标事件；B_任一图像点为背景事件； P(S)= , P(B)=1-
目标和背景的概率分布密度为高斯分布p(z)和q(z), 则图像 的灰度概率分布密度为 d(z)= p(z)+(1- )q(z) 图像的数学期望和方差为 E= ms+(1- )mB 2= 2s+(1- ) 2B+ (1- ) (ms-mB)2
门限分割技术
最佳门限的选择
双极模型的直方图，选取谷底对应的灰度为门限
选取门限 t ，假定
背景点错当目标的概率为
最小误差门限法
目标点错当背景的概率为
灰度<t时，图像点为目标；灰度>=t时，图像点为背景
PB (error )
q( z)dz Q(t )
t
PS (error )
2. 图像分割 3. 形态学图像处理
4. 特征提取
5. 区域描述 6. 识别与分类
草莓 苹 果 柠 檬
模式
香 蕉
葡萄 樱 桃
柠 檬 草莓
模式识别 过程
香蕉
葡萄 樱桃 苹果
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
模式识别 示例
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
ห้องสมุดไป่ตู้
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/ TV
苹 果
樱 桃
柠 檬
葡 萄
CCD/TV
模式识别 示例
苹 果
樱 桃
柠 檬
特 红色程度 征 直径
分类系统
图 葡 萄 像 处 理 系 统
模式识别过 程与实现
输入图像
物体检测器设计
特征提取
分类器设计