第十六章模式识别图像分割

第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构1.模式识别2.模式识别系统的统计3.方法分类（重点）第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构1.模式识别第十六章：图像分割边缘提取区域分割分割结构引言1：三个主要阶段：图象分割－特征抽取－分类2：图象分割是一个将一幅数字图象划分为不交叠的、连通的象素集的过程，其中一个对应于背景，其他的则对应于图象中的各个物体。2.模式识别系统的设计第十六章：图像分割边缘提取区域分割分割结构引言1：物体检测器设计2：特征选择3：分类器设计4：分类器训练5：性能评估3.方法分类第十六章：图像分割边缘提取区域分割分割结构引言新的策略方法层出不穷，不能一一讨论。因此强调方法分类体系，按照以下部分再细分讨论。边缘提取、区域分割形状分析、纹理分析统计分类、智能分类（神经网络，人工智能略）有重合的地方：比如区域增长和启发边缘连接；曲线拟合在提取和测量两方面的应用等等；松弛迭代方法在几个地方应用。1.模式识别2.模式识别系统的统计3.方法分类（重点）第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构0.方法分类1.简单边缘提取算子2.Marr-Hildreth边缘提取理论3.Facet模型检测边缘4.形成有意义的线特征第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构0.方法分类第十六章：图像分割边缘提取区域分割分割结构引言简单边缘提取算子Marr-Hildreth边缘提取理论facet模型检测边缘形成有意义的线特征1.简单边缘提取算子第十六章：图像分割边缘提取区域分割分割结构引言1：检测每个象素和其直接领域的状态，决定是否处于边界上。2：边缘算子（一般均值为0）1：Roberts边缘算子 (01;-10)2：Sobel边缘算子 (-1–2–1;000;121)3：Prewitt边缘算子 (-1–1–1;000;111)4：拉普拉斯算子 (010;1–41;010)3：边缘检测器性能1.简单边缘提取算子－改进方法第十六章：图像分割边缘提取区域分割分割结构引言1、边缘松弛2、假设检验3、非线性边缘检测技术2.Marr-Hildreth边缘提取理论（1）第十六章：图像分割边缘提取区域分割分割结构引言利用单一算子，不能最佳捡出不同尺度上的灰度变换。选择什么样的滤波器进行平滑选择什么差分算子两个条件制约空间上定位平稳要求滤波器空间尺寸尽可能小。滤波器带通要小，以满足平稳变化。两者乘积大于等于1/4pi，高斯滤波器在空域频域最佳。噪声和边缘处于同一区域带来的病态问题。滤波器分析（必要性、最优性）病态问题多尺度最优化信噪比准则定位精度原则单边缘响应原则第十六章：图像分割边缘提取区域分割分割结构引言2.Marr-Hildreth边缘提取理论（2）差分算子

在选择差分算子方面，一阶导数和二阶导数都可以检测出边缘。不同的是：用一阶导数认为最大值对应边缘位置，通常要设置一幅度门限，检测出较多的边缘，再经细化取骨架，找出接近真实的边缘；用二阶导数则是过零点对应边缘位置，因此不会检出很多边缘。生理学证明=+第十六章：图像分割边缘提取区域分割分割结构引言2.Marr-Hildreth边缘提取理论（3）2.Marr-Hildreth边缘提取理论（4）第十六章：图像分割边缘提取区域分割分割结构引言3.Facet模型第十六章：图像分割边缘提取区域分割分割结构引言边缘发生于不同灰度特性的两区域之间。边缘提取－区域分割4.形成有意义的线特征（0）检出边缘－形成有意义的图像线形，中层符号描述－为完成一定图像识别任务和高层理解创造前提两个过程提取或者滤出可以构成一定线特征的边缘滤出的边缘连接成直线曲线，或者用一定的直线曲线去拟合。第十六章：图像分割边缘提取区域分割分割结构引言4.形成有意义的线特征（1）1：启发式搜索

1）像元检测出来的边缘幅度大于边缘正交方向的两个相邻像元检出的边缘强度。

2）两个邻域边缘在中心像元边缘方向的一个相位间隔之内。

3）中心像元的边缘幅度超过一个固定门限值。第十六章：图像分割边缘提取区域分割分割结构引言4.形成有意义的线特征（2）2：曲线拟合第十六章：图像分割边缘提取区域分割分割结构引言4.形成有意义的线特征（3）3：Hough变换任一直线对应于该空间的一个点，通过一个点的辐射线对应于一条正弦型曲线。每一个边缘直线上的点的辐射线对应于另一个空间中的一条正弦曲线，必然相交于共享的边缘直线对应的点。可以连接线特征而去除缝隙，同时受噪声影响小。第十六章：图像分割边缘提取区域分割分割结构引言0.方法分类1.简单边缘提取算子2.Marr-Hildreth边缘提取理论3.Facet模型检测边缘4.形成有意义的线特征第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构0、方法分类1、基于灰度直方图2、基于像素邻域3、复杂图像分割4、区域增长5、分开－合并第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构0.方法分类第十六章：图像分割边缘提取区域分割分割结构引言基于像素灰度直方图复杂图像属性分割区域增长方法分开合并基于像素邻域特性1.基于灰度直方图第十六章：图像分割边缘提取区域分割分割结构引言直方图分析：有突出目标和背景图像，直方图将具有明显的双峰。直方图凹形分析法自动门限法最佳熵自动门限法极大化分割以后图像的熵值类别方差自动门限法矩不变自动门限法极小误差自动门限法2.基于图像邻域特性第十六章：图像分割边缘提取区域分割分割结构引言基于边缘特性基于二阶灰度统计特性共生矩阵（纹理分析）Md,x(i,j)x方向上，相距d一对像素出现灰度i和j的频率。目标和背景在共生矩阵对角线附近，边界在远离对角线。基于二维熵（图像的灰度，邻域灰度均值）组成联合概率同上诉一维熵分割方法3.复杂图像基于图像属性第十六章：图像分割边缘提取区域分割分割结构引言自动多门限分割技术平滑直方图确定区域类数独立峰值具有一定灰度范围，一定面积，一定峰谷比分快分割再合并4.区域增长第十六章：图像分割边缘提取区域分割分割结构引言将相似特性的像素连接成区域5.分开合并第十六章：图像分割边缘提取区域分割分割结构引言属性空间集群－自上而下区域增长－自下而上分开合并从某一层次开始，按照一致性属性原则，进一步合并或者划分0、方法分类1、基于灰度直方图2、基于像素邻域3、复杂图像分割4、区域增长5、分开－合并第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构1.物体隶属关系图2.边界链码3.线段编码第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构1.物体隶属关系图第十六章：图像分割边缘提取区域分割分割结构引言另外生成一幅与原图大小相同的图象，在这幅图象中逐个象素地用物体隶属关系进行编码。即灰度级按照在原图中所隶属的地物体序号进行编号。第十一章：图像分割边缘提取区域分割分割结构引言2.边界链码链码是从在物体边界上任意选取得某个起始点开始，这个边界点的八个邻接点中至少有一个是边界点，边界链码规定了从当前边界。第十六章：图像分割边缘提取区域分割分割结构引言3.线段编码线段编码是用来存储被抽取物体的一种逐行处理技术。1.物体隶属关系图2.边界链码3.线段编码第十六章：模式识别图像分割一：引言二：边缘提取三：区域分割四．分割图象的结构第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析物体的度量问题，如何通过这些测量值识别物体。方法分类第十七章：物体测量引言形状分析纹理分析0、方法分类（1）《数字图像处理》分类方法尺寸测量（形状分析－内标量方法－简单标量方法）形状分析纹理分析曲线表面拟合（形状分析－层次方法）第十七章：物体测量引言形状分析纹理分析0、方法分类（2）《图像理解》分类方法纹理分析形状分析－内标量，外标量，内空间，外空间，层次方法第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析物体的度量问题，如何通过这些测量值识别物体。方法分类第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析内标量方法外标量方法内空间技术外空间技术第十七章：物体测量引言形状分析纹理分析1、内标量方法以完整形状轮廓包围区域为对象，导出数学性质作为特征：

1、简单标量方法：面积，周长，最小外接圆，最大内切圆等等

2、目标所占区域矩：f(x,y)xuyv的积分。

3、二维傅立叶变换

4、弦分布、线求和等等方法第十七章：物体测量引言形状分析纹理分析2、外标量方法通过变换将目标边界用对应的标量表示边界表示极坐标（一维的r-θ）直角坐标（任选一个起点，路径长度n，x(n),y(n)）切线方向表示（边界点的切线方向）傅立叶形状描述随机方法（自回归：用前面n个点描述当前点）第十七章：物体测量引言形状分析纹理分析3、内空间方法中轴变换多尺度中轴变换第十七章：物体测量引言形状分析纹理分析4、外空间方法链码技术第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析内标量方法外标量方法内空间技术外空间技术第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析物体的度量问题，如何通过这些测量值识别物体。方法分类第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析纹理统计分析方法结构分析方法第十七章：物体测量引言形状分析纹理分析0、纹理局部不规律，整体具有一定规律性的特性。基本单元的重复性粗糙性方向性第十七章：物体测量引言形状分析纹理分析1、纹理分析的统计方法共生矩阵P(i,j|d,x)＝x方向上，相距d像素一对像素具有i,j的出现概率。在共生矩阵上计算参数，常用五种：能量、熵、惯性矩、相关、局部平稳。用随机场描述纹理利用分形维数描述纹理第十七章：物体测量引言形状分析纹理分析2、纹理分析的结构方法纹理基元的某种重复性模式确定基本纹理单元确定纹理基元之间的重复性结构第十七章：模式识别物体测量一．引言二．形状分析三．纹理分析统计分析方法结构分析方法第十八章：模式识别分类估计一．引言，分类二．特征选择三．统计分类四．神经网络第十八章：模式识别分类估计一．引言，分类二．特征选择三．统计分类四．神经网络1.特征提取2.分类器的设计3.分类器的训练4.分类器的测量第十八章：模式识别分类估计一．引言，分类二．特征选择三．统计分类四．神经网络1.特征方差2.类间距离3.特征相关系数4.降维1.特征方差第十八章：分类估计理想状态下同一类别中所有对象的特征的特征值应该很相近。统计分类神经网络特征选择引言2.类间距离第十八章：分类估计一个特征区分两类能力的一个指标就是类间距离。距离大的是好特征。统计分类神经网络特征选择引言3.特征相关系数第十八章：分类估计第j类特征x与特征y的相关系数估计为，如果相关系数接近1，说明两个特征可以组合成一个特征或者舍弃其中一个。统计分类神经网络特征选择引言4.降维第十八章：分类估计用线性函数等方法可以将两个特征合并成一个。统计分类神经网络特征选择引言第十八章：模式识别分类估计一．引言，分类二．特征选择三．统计分类四．神经网络1.特征方差2.类间距离3.特征相关系数4.降维第十八章：模式识别分类估计一．引言，分类二．特征选择三．统计分类四．神经网络1.统计决策理论2.分类器类型3.参数估计和分类器设计4.分类器性能1.统计决策理论第十八章：分类估计1：先验概率2：Bayes理论Bayes理论给出了一个被测量对象属于某一特定分类概率。可以用最大似然估计法或Bayes估计法估计未知参数。3：Bayes风险4：Bayes决策规则统计分类神经网络特征选择引言2.分类器类型第十八章：分类估计参数分类器条件PDF的函数形式已知单其中一些参数（如均值、方差未知）非参数分类器如果函数形式全部或部分未知，需要从训练样本集重估测。统计分类神经网络特征选择引言3.参数估计和分类器训练第十八章：分类估计训练分类器：使用对象度量估计PDF或它们参数的过程。监督和非监督训练最大似然估计假设待估计参数是固定的未知数，对所抽取得给定样本集来说，使该训练集出现最大可能性的参数值就是它的估计值。Bayes估计将未知参数作为随机变量，假设未知参数某些方面是预先知道。先验PDF已知，当训练样本被测量以后，使用Bays定理根据采样值对先验PDF进行修改或者调整，得到未知参数的后验PDF。统计分类神经网络特征选择引言4.分类器性能第十八章：分类估计可以通过测试集进行测试应该与所关注的问题相配统计分类神经网络特征选择引言第十八章：模式识别分类估计一．引言，分类二．特征选择三．统计分类四．神经网络1.统计决策理论2.分类器类型3.