第十六章模式識別圖像分割

第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)1.模式識別2.模式識別系統(tǒng)的統(tǒng)計(jì)3.方法分類（重點(diǎn)）第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)1.模式識別第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言1：三個(gè)主要階段：圖象分割－特征抽?。诸?：圖象分割是一個(gè)將一幅數(shù)字圖象劃分為不交疊的、連通的象素集的過程，其中一個(gè)對應(yīng)于背景，其他的則對應(yīng)于圖象中的各個(gè)物體。2.模式識別系統(tǒng)的設(shè)計(jì)第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言1：物體檢測器設(shè)計(jì)2：特征選擇3：分類器設(shè)計(jì)4：分類器訓(xùn)練5：性能評估3.方法分類第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言新的策略方法層出不窮，不能一一討論。因此強(qiáng)調(diào)方法分類體系，按照以下部分再細(xì)分討論。邊緣提取、區(qū)域分割形狀分析、紋理分析統(tǒng)計(jì)分類、智能分類（神經(jīng)網(wǎng)絡(luò)，人工智能略）有重合的地方：比如區(qū)域增長和啟發(fā)邊緣連接；曲線擬合在提取和測量兩方面的應(yīng)用等等；松弛迭代方法在幾個(gè)地方應(yīng)用。1.模式識別2.模式識別系統(tǒng)的統(tǒng)計(jì)3.方法分類（重點(diǎn)）第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)0.方法分類1.簡單邊緣提取算子2.Marr-Hildreth邊緣提取理論3.Facet模型檢測邊緣4.形成有意義的線特征第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)0.方法分類第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言簡單邊緣提取算子Marr-Hildreth邊緣提取理論facet模型檢測邊緣形成有意義的線特征1.簡單邊緣提取算子第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言1：檢測每個(gè)象素和其直接領(lǐng)域的狀態(tài)，決定是否處于邊界上。2：邊緣算子（一般均值為0）1：Roberts邊緣算子 (01;-10)2：Sobel邊緣算子 (-1–2–1;000;121)3：Prewitt邊緣算子 (-1–1–1;000;111)4：拉普拉斯算子 (010;1–41;010)3：邊緣檢測器性能1.簡單邊緣提取算子－改進(jìn)方法第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言1、邊緣松弛2、假設(shè)檢驗(yàn)3、非線性邊緣檢測技術(shù)2.Marr-Hildreth邊緣提取理論（1）第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言利用單一算子，不能最佳撿出不同尺度上的灰度變換。選擇什么樣的濾波器進(jìn)行平滑選擇什么差分算子兩個(gè)條件制約空間上定位平穩(wěn)要求濾波器空間尺寸盡可能小。濾波器帶通要小，以滿足平穩(wěn)變化。兩者乘積大于等于1/4pi，高斯濾波器在空域頻域最佳。噪聲和邊緣處于同一區(qū)域帶來的病態(tài)問題。濾波器分析（必要性、最優(yōu)性）病態(tài)問題多尺度最優(yōu)化信噪比準(zhǔn)則定位精度原則單邊緣響應(yīng)原則第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言2.Marr-Hildreth邊緣提取理論（2）差分算子

在選擇差分算子方面，一階導(dǎo)數(shù)和二階導(dǎo)數(shù)都可以檢測出邊緣。不同的是：用一階導(dǎo)數(shù)認(rèn)為最大值對應(yīng)邊緣位置，通常要設(shè)置一幅度門限，檢測出較多的邊緣，再經(jīng)細(xì)化取骨架，找出接近真實(shí)的邊緣；用二階導(dǎo)數(shù)則是過零點(diǎn)對應(yīng)邊緣位置，因此不會檢出很多邊緣。生理學(xué)證明=+第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言2.Marr-Hildreth邊緣提取理論（3）2.Marr-Hildreth邊緣提取理論（4）第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言3.Facet模型第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言邊緣發(fā)生于不同灰度特性的兩區(qū)域之間。邊緣提?。瓍^(qū)域分割4.形成有意義的線特征（0）檢出邊緣－形成有意義的圖像線形，中層符號描述－為完成一定圖像識別任務(wù)和高層理解創(chuàng)造前提兩個(gè)過程提取或者濾出可以構(gòu)成一定線特征的邊緣濾出的邊緣連接成直線曲線，或者用一定的直線曲線去擬合。第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言4.形成有意義的線特征（1）1：啟發(fā)式搜索

1）像元檢測出來的邊緣幅度大于邊緣正交方向的兩個(gè)相鄰像元檢出的邊緣強(qiáng)度。

2）兩個(gè)鄰域邊緣在中心像元邊緣方向的一個(gè)相位間隔之內(nèi)。

3）中心像元的邊緣幅度超過一個(gè)固定門限值。第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言4.形成有意義的線特征（2）2：曲線擬合第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言4.形成有意義的線特征（3）3：Hough變換任一直線對應(yīng)于該空間的一個(gè)點(diǎn)，通過一個(gè)點(diǎn)的輻射線對應(yīng)于一條正弦型曲線。每一個(gè)邊緣直線上的點(diǎn)的輻射線對應(yīng)于另一個(gè)空間中的一條正弦曲線，必然相交于共享的邊緣直線對應(yīng)的點(diǎn)。可以連接線特征而去除縫隙，同時(shí)受噪聲影響小。第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言0.方法分類1.簡單邊緣提取算子2.Marr-Hildreth邊緣提取理論3.Facet模型檢測邊緣4.形成有意義的線特征第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)0、方法分類1、基于灰度直方圖2、基于像素鄰域3、復(fù)雜圖像分割4、區(qū)域增長5、分開－合并第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)0.方法分類第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言基于像素灰度直方圖復(fù)雜圖像屬性分割區(qū)域增長方法分開合并基于像素鄰域特性1.基于灰度直方圖第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言直方圖分析：有突出目標(biāo)和背景圖像，直方圖將具有明顯的雙峰。直方圖凹形分析法自動門限法最佳熵自動門限法極大化分割以后圖像的熵值類別方差自動門限法矩不變自動門限法極小誤差自動門限法2.基于圖像鄰域特性第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言基于邊緣特性基于二階灰度統(tǒng)計(jì)特性共生矩陣（紋理分析）Md,x(i,j)x方向上，相距d一對像素出現(xiàn)灰度i和j的頻率。目標(biāo)和背景在共生矩陣對角線附近，邊界在遠(yuǎn)離對角線?；诙S熵（圖像的灰度，鄰域灰度均值）組成聯(lián)合概率同上訴一維熵分割方法3.復(fù)雜圖像基于圖像屬性第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言自動多門限分割技術(shù)平滑直方圖確定區(qū)域類數(shù)獨(dú)立峰值具有一定灰度范圍，一定面積，一定峰谷比分快分割再合并4.區(qū)域增長第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言將相似特性的像素連接成區(qū)域5.分開合并第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言屬性空間集群－自上而下區(qū)域增長－自下而上分開合并從某一層次開始，按照一致性屬性原則，進(jìn)一步合并或者劃分0、方法分類1、基于灰度直方圖2、基于像素鄰域3、復(fù)雜圖像分割4、區(qū)域增長5、分開－合并第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)1.物體隸屬關(guān)系圖2.邊界鏈碼3.線段編碼第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)1.物體隸屬關(guān)系圖第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言另外生成一幅與原圖大小相同的圖象，在這幅圖象中逐個(gè)象素地用物體隸屬關(guān)系進(jìn)行編碼。即灰度級按照在原圖中所隸屬的地物體序號進(jìn)行編號。第十一章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言2.邊界鏈碼鏈碼是從在物體邊界上任意選取得某個(gè)起始點(diǎn)開始，這個(gè)邊界點(diǎn)的八個(gè)鄰接點(diǎn)中至少有一個(gè)是邊界點(diǎn)，邊界鏈碼規(guī)定了從當(dāng)前邊界。第十六章：圖像分割邊緣提取區(qū)域分割分割結(jié)構(gòu)引言3.線段編碼線段編碼是用來存儲被抽取物體的一種逐行處理技術(shù)。1.物體隸屬關(guān)系圖2.邊界鏈碼3.線段編碼第十六章：模式識別圖像分割一：引言二：邊緣提取三：區(qū)域分割四．分割圖象的結(jié)構(gòu)第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析物體的度量問題，如何通過這些測量值識別物體。方法分類第十七章：物體測量引言形狀分析紋理分析0、方法分類（1）《數(shù)字圖像處理》分類方法尺寸測量（形狀分析－內(nèi)標(biāo)量方法－簡單標(biāo)量方法）形狀分析紋理分析曲線表面擬合（形狀分析－層次方法）第十七章：物體測量引言形狀分析紋理分析0、方法分類（2）《圖像理解》分類方法紋理分析形狀分析－內(nèi)標(biāo)量，外標(biāo)量，內(nèi)空間，外空間，層次方法第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析物體的度量問題，如何通過這些測量值識別物體。方法分類第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析內(nèi)標(biāo)量方法外標(biāo)量方法內(nèi)空間技術(shù)外空間技術(shù)第十七章：物體測量引言形狀分析紋理分析1、內(nèi)標(biāo)量方法以完整形狀輪廓包圍區(qū)域?yàn)閷ο螅瑢?dǎo)出數(shù)學(xué)性質(zhì)作為特征：

1、簡單標(biāo)量方法：面積，周長，最小外接圓，最大內(nèi)切圓等等

2、目標(biāo)所占區(qū)域矩：f(x,y)xuyv的積分。

3、二維傅立葉變換

4、弦分布、線求和等等方法第十七章：物體測量引言形狀分析紋理分析2、外標(biāo)量方法通過變換將目標(biāo)邊界用對應(yīng)的標(biāo)量表示邊界表示極坐標(biāo)（一維的r-θ）直角坐標(biāo)（任選一個(gè)起點(diǎn)，路徑長度n，x(n),y(n)）切線方向表示（邊界點(diǎn)的切線方向）傅立葉形狀描述隨機(jī)方法（自回歸：用前面n個(gè)點(diǎn)描述當(dāng)前點(diǎn)）第十七章：物體測量引言形狀分析紋理分析3、內(nèi)空間方法中軸變換多尺度中軸變換第十七章：物體測量引言形狀分析紋理分析4、外空間方法鏈碼技術(shù)第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析內(nèi)標(biāo)量方法外標(biāo)量方法內(nèi)空間技術(shù)外空間技術(shù)第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析物體的度量問題，如何通過這些測量值識別物體。方法分類第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析紋理統(tǒng)計(jì)分析方法結(jié)構(gòu)分析方法第十七章：物體測量引言形狀分析紋理分析0、紋理局部不規(guī)律，整體具有一定規(guī)律性的特性?；締卧闹貜?fù)性粗糙性方向性第十七章：物體測量引言形狀分析紋理分析1、紋理分析的統(tǒng)計(jì)方法共生矩陣P(i,j|d,x)＝x方向上，相距d像素一對像素具有i,j的出現(xiàn)概率。在共生矩陣上計(jì)算參數(shù)，常用五種：能量、熵、慣性矩、相關(guān)、局部平穩(wěn)。用隨機(jī)場描述紋理利用分形維數(shù)描述紋理第十七章：物體測量引言形狀分析紋理分析2、紋理分析的結(jié)構(gòu)方法紋理基元的某種重復(fù)性模式確定基本紋理單元確定紋理基元之間的重復(fù)性結(jié)構(gòu)第十七章：模式識別物體測量一．引言二．形狀分析三．紋理分析統(tǒng)計(jì)分析方法結(jié)構(gòu)分析方法第十八章：模式識別分類估計(jì)一．引言，分類二．特征選擇三．統(tǒng)計(jì)分類四．神經(jīng)網(wǎng)絡(luò)第十八章：模式識別分類估計(jì)一．引言，分類二．特征選擇三．統(tǒng)計(jì)分類四．神經(jīng)網(wǎng)絡(luò)1.特征提取2.分類器的設(shè)計(jì)3.分類器的訓(xùn)練4.分類器的測量第十八章：模式識別分類估計(jì)一．引言，分類二．特征選擇三．統(tǒng)計(jì)分類四．神經(jīng)網(wǎng)絡(luò)1.特征方差2.類間距離3.特征相關(guān)系數(shù)4.降維1.特征方差第十八章：分類估計(jì)理想狀態(tài)下同一類別中所有對象的特征的特征值應(yīng)該很相近。統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言2.類間距離第十八章：分類估計(jì)一個(gè)特征區(qū)分兩類能力的一個(gè)指標(biāo)就是類間距離。距離大的是好特征。統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言3.特征相關(guān)系數(shù)第十八章：分類估計(jì)第j類特征x與特征y的相關(guān)系數(shù)估計(jì)為，如果相關(guān)系數(shù)接近1，說明兩個(gè)特征可以組合成一個(gè)特征或者舍棄其中一個(gè)。統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言4.降維第十八章：分類估計(jì)用線性函數(shù)等方法可以將兩個(gè)特征合并成一個(gè)。統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言第十八章：模式識別分類估計(jì)一．引言，分類二．特征選擇三．統(tǒng)計(jì)分類四．神經(jīng)網(wǎng)絡(luò)1.特征方差2.類間距離3.特征相關(guān)系數(shù)4.降維第十八章：模式識別分類估計(jì)一．引言，分類二．特征選擇三．統(tǒng)計(jì)分類四．神經(jīng)網(wǎng)絡(luò)1.統(tǒng)計(jì)決策理論2.分類器類型3.參數(shù)估計(jì)和分類器設(shè)計(jì)4.分類器性能1.統(tǒng)計(jì)決策理論第十八章：分類估計(jì)1：先驗(yàn)概率2：Bayes理論Bayes理論給出了一個(gè)被測量對象屬于某一特定分類概率。可以用最大似然估計(jì)法或Bayes估計(jì)法估計(jì)未知參數(shù)。3：Bayes風(fēng)險(xiǎn)4：Bayes決策規(guī)則統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言2.分類器類型第十八章：分類估計(jì)參數(shù)分類器條件PDF的函數(shù)形式已知單其中一些參數(shù)（如均值、方差未知）非參數(shù)分類器如果函數(shù)形式全部或部分未知，需要從訓(xùn)練樣本集重估測。統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言3.參數(shù)估計(jì)和分類器訓(xùn)練第十八章：分類估計(jì)訓(xùn)練分類器：使用對象度量估計(jì)PDF或它們參數(shù)的過程。監(jiān)督和非監(jiān)督訓(xùn)練最大似然估計(jì)假設(shè)待估計(jì)參數(shù)是固定的未知數(shù)，對所抽取得給定樣本集來說，使該訓(xùn)練集出現(xiàn)最大可能性的參數(shù)值就是它的估計(jì)值。Bayes估計(jì)將未知參數(shù)作為隨機(jī)變量，假設(shè)未知參數(shù)某些方面是預(yù)先知道。先驗(yàn)PDF已知，當(dāng)訓(xùn)練樣本被測量以后，使用Bays定理根據(jù)采樣值對先驗(yàn)PDF進(jìn)行修改或者調(diào)整，得到未知參數(shù)的后驗(yàn)PDF。統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言4.分類器性能第十八章：分類估計(jì)可以通過測試集進(jìn)行測試應(yīng)該與所關(guān)注的問題相配統(tǒng)計(jì)分類神經(jīng)網(wǎng)絡(luò)特征選擇引言第十八章：模式識別分類估計(jì)一．引言，分類二．特征選擇三．統(tǒng)計(jì)分類四．神經(jīng)網(wǎng)絡(luò)1.統(tǒng)計(jì)決策理論2.分類器類型3.