图像处理-区域分割.ppt

《图像处理-区域分割.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、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：→确定一组能正确代表所需区域的种子要素。确定在生长

2、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。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，可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

3、终止准则，重复步骤2直到各区域合并满足终止条件。合并原则：（1）（2）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。这里设h1(X)和h2(X)为相邻两个区域的灰度直方图，H1(X)和H2(X)分别为累计灰度直方图。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。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，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

4、求--同一子集中的样本相似性较大，不同子集样本的相似性。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。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Je2、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。5、对于所有的j，如果ρk<ρj，则将x从Xi移到Xk中

5、。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-均值聚类样本均值误差平方和迭代后的均值和平方和转移判定依据只有当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：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、观察者主观认为的相似性。权值转换：其中相邻像素的灰度分别为Ij和Ii，σ是一个调节参数。

6、输入图像映射为图设计分割准则图像分割形成目标函数对目标函数求解图的分割图像的分割G=（V,E）图像V：图的顶点像素E：连接顶点相邻像素W：边的权值相邻像素相似度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：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→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

7、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）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：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的像素总数各个区域Zebkde的加权平均值即为图像分割一致性