圖象分割簡(jiǎn)述及動(dòng)態(tài)閾值分割法PPT課件

1、目錄 圖像分割簡(jiǎn)述 圖像算法簡(jiǎn)介 圖像閾值法 分割方法應(yīng)用指導(dǎo)思想 圖像分割評(píng)價(jià)第1頁/共20頁圖像分割簡(jiǎn)述 什么是圖像分割？ 把圖像分成各具特性區(qū)域的技術(shù)和過程。 圖像分割的重要性 圖像分割的研究層次 圖像分割的依據(jù) 返回第2頁/共20頁 圖像分割是圖像處理進(jìn)行到圖像分析的關(guān)鍵步驟，也是進(jìn)一步圖像理解的基礎(chǔ)。 返回第3頁/共20頁 圖像分割研究的三個(gè)層次：1.研究分割技術(shù)；2.對(duì)分割技術(shù)進(jìn)行性能刻劃和比較；3.對(duì)分割評(píng)價(jià)方法和評(píng)價(jià)準(zhǔn)測(cè)進(jìn)行系統(tǒng)的研究 返回第4頁/共20頁 圖像分割的依據(jù)：1.基于相鄰像素在像素值方面的兩個(gè)性質(zhì)相似性和不連續(xù)性。2.按分割依據(jù)，算法可以分為基于邊緣檢測(cè)和基于區(qū)域

2、提取兩種。 返回 第5頁/共20頁圖像算法簡(jiǎn)介 1.經(jīng)典分割方法 2.基于變形模型的分割方法 3.基于模糊集的分割方法 4.基于統(tǒng)計(jì)特性的分割方法 5.基于形態(tài)學(xué)的分割方法 6.基于神經(jīng)網(wǎng)絡(luò)的分割方法 7.基于小波的分割方法 8.基于遺傳算法的分割方法 9.基于信息論的分割方法 返回第6頁/共20頁經(jīng)典分割方法 并行邊界分割技術(shù) 串行邊界分割技術(shù) 串行區(qū)域分割技術(shù) 并行區(qū)域分割技術(shù) 返回 第7頁/共20頁并行邊界分割技術(shù) 并行的進(jìn)行邊緣檢測(cè) 兩個(gè)步驟：1.檢測(cè)目標(biāo)的邊界微分算子2.組成目標(biāo)邊界連接算法 典型邊緣檢測(cè)算子：Sobel, Robert, Canny等。 返回第8頁/共20頁串行邊界

3、分割技術(shù)采用串行的方法對(duì)目標(biāo)邊界檢測(cè)。步驟1.確定起始點(diǎn)2.選擇搜索策略，確定先前的結(jié)果對(duì)選擇下一個(gè)檢測(cè)像素和下一個(gè)結(jié)果的影響，并根據(jù)一定機(jī)理依次檢測(cè)新的邊界點(diǎn)3.設(shè)定終止條件優(yōu)缺點(diǎn)：不會(huì)出現(xiàn)偽邊界和斷邊現(xiàn)象，但時(shí)間成本高。典型方法：邊界跟蹤、動(dòng)態(tài)規(guī)劃和曲線擬合等。 返回第9頁/共20頁并行區(qū)域分割技術(shù) 閾值化步驟： 確定閾值； 將分割閾值與像素值比較以劃分像素。 閾值化算法分類： 全局閾值法 局部（自適應(yīng)）閾值法 返回第10頁/共20頁最優(yōu)閾值法 模型假設(shè)雙峰模型 經(jīng)典方法：錯(cuò)誤率最低（實(shí)質(zhì)上是等錯(cuò)誤率最低） 拓展： 最小FAR準(zhǔn)測(cè) 最小FRR準(zhǔn)則 返回第11頁/共20頁局部閾值法 分成兩類

4、： 子圖像閾值法； 動(dòng)態(tài)閾值法（與坐標(biāo)相關(guān)的閾值） 返回第12頁/共20頁活動(dòng)輪廓分割模型優(yōu)缺點(diǎn)：抗噪聲性，對(duì)圖像的局部模糊不敏感等；分割結(jié)果依賴與初始化值目前工作狀態(tài)：基于Wasserstein距離的局部能量分割模型，能夠克服灰度不均帶來的分割困難，對(duì)無序紋理圖像進(jìn)行成功分割。（電子學(xué)報(bào)錄用）Fast global minimization model of region-scalable fitting energy, 克服變分模型的局部最小性，能夠快速的分割灰度不均勻的圖像。（已投Electronics Letters ）A multiphase segmentation model v

5、ia block processing，提出了多相分割模型和基于全局屬性的分塊處理思想。（實(shí)驗(yàn)成功，成稿階段）基于Wasserstein距離的局部能量快速分割模型，（數(shù)學(xué)模型建立，編程調(diào)試階段） 返回第13頁/共20頁圖像閾值法 出處：控制理論與應(yīng)用，王科俊等，自動(dòng)化技術(shù)與應(yīng)用，2005，24(8)，19-22.A Study of Hand Vein Recognition Method, Yuhang Ding, Dayan Zhuang and Kejun Wang, Proceedings of the IEEE International Conference on Mechatro

6、nics & Automation, Canada, July 2005, 2106-2110. 基本原理： 求模板內(nèi)像素均值，并將它作為模板中心處像素灰度，并將該值存入閾值圖像對(duì)應(yīng)位置。 將模板遍歷整個(gè)原圖像，獲得閾值圖像所有值。 將原圖像與閾值圖像逐點(diǎn)比較 邊界處理： 認(rèn)為擴(kuò)大； 邊界區(qū)域所含信息量少，忽略。 本質(zhì)：自適應(yīng)閾值法。 第14頁/共20頁 合成圖像實(shí)驗(yàn) 第二列是以區(qū)域均值為閾值的分割結(jié)果，第三列是中值濾波后的結(jié)果；第四列是以區(qū)域中值為閾值的分割結(jié)果，第五列是其相應(yīng)的中值濾波效果。第15頁/共20頁指靜脈圖像分割對(duì)比 圖(a)是指靜脈原圖像，圖(b)是最大類間方差法的分割

7、結(jié)果，圖(c)是閾值圖像法的分割結(jié)果，圖(d)是局部能量CV模型的分割結(jié)果。 返回(a)(b)(c)(d)第16頁/共20頁分割方法應(yīng)用指導(dǎo)思想 沒有通用分割理論，針對(duì)實(shí)際應(yīng)用問題提出或選擇分割方法； 在方法中融入先驗(yàn)知識(shí)； 人機(jī)交互； 多方法的綜合運(yùn)用。 返回 第17頁/共20頁圖像分割評(píng)價(jià) 客觀評(píng)價(jià)分割效果，指導(dǎo)改進(jìn)和提高算法性能。 分類： 性能刻劃(characterization): 在不同分割中的表現(xiàn)； 性能比較(comparison): 比較不同算法分割給定圖像時(shí)的性能比較。 準(zhǔn)則： 計(jì)算費(fèi)用(computation cost) 區(qū)域間對(duì)比度：1212GC=ffff第18頁/共20頁 分割準(zhǔn)確率定義