版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
模式識(shí)別:圖像分割圖像模式識(shí)別:分析圖像中的內(nèi)容。輸入:圖像;輸出:圖像的描述統(tǒng)計(jì)模式識(shí)別的三個(gè)階段:圖像分割:檢測(cè)出各個(gè)物體,并使之相互分離特征抽?。簩?duì)物體進(jìn)行度量,產(chǎn)生特征向量分類估計(jì):確定物體特征類型。模式識(shí)別示例特征向量:直徑和顏色模式識(shí)別系統(tǒng)設(shè)計(jì)物體檢測(cè)器設(shè)計(jì):選擇能夠?qū)D像中各個(gè)物體分離開的景物分割算法。特征選擇:確定能夠最好地辨別物體類型的物體性質(zhì)以及如何度量這些性質(zhì)的方法。分類器設(shè)計(jì):建立分類算法的數(shù)學(xué)基礎(chǔ)并選擇所使用的分類器的結(jié)構(gòu)類型。分類器訓(xùn)練:確定分類器中各種可調(diào)整的參數(shù)(決策界限等)使之適應(yīng)被分類的物體。性能評(píng)估:估計(jì)各種可能的錯(cuò)分類率的預(yù)期值。圖像分割處理
圖像分割:將數(shù)字圖像劃分成互不相交(不重疊)區(qū)域。區(qū)域是像素的連通集。連通:任意兩個(gè)像素之間存在一條完全由這個(gè)集合的元素構(gòu)成的連通路徑。連通路徑是一條可在相鄰像素間移動(dòng)的路徑。連通性準(zhǔn)則:4連通和8連通圖像分割與人類視覺(jué)沒(méi)有對(duì)照關(guān)系。圖像分割可以采用三種不同的原理來(lái)實(shí)現(xiàn):區(qū)域方法:把各像素劃歸到各個(gè)物體或區(qū)域中。邊界方法:只需確定存在于區(qū)域間的邊界。邊緣方法:則先確邊像素并把它們連接在一起以構(gòu)成所需的邊界。圖像分割:閾值方法閾值方法是一種區(qū)域分割技術(shù),通過(guò)將圖像分為內(nèi)部點(diǎn)集和外部點(diǎn)集來(lái)對(duì)圖像進(jìn)行分割。它適合于物體與背景有較強(qiáng)對(duì)比的景物。當(dāng)使用閾值規(guī)則進(jìn)行圖像分割時(shí),所有灰度值大于或等于某閾值的像素都被判屬于物體。所有灰度值小于該閾值的像素被排除在物體之外。如果感興趣的物體在其內(nèi)部具有均勻一致的灰度值并分布在一個(gè)具有另一個(gè)灰度值的均勻背景上,使用閾值方法效果就很好。如果物體同背景的差別在于某些性質(zhì)而不是灰度值(如紋理等),那么,可以首先把那個(gè)性質(zhì)轉(zhuǎn)化為灰度,然后,利用灰度閾值化技術(shù)分割待處理的圖像。圖像分割:閾值方法閾值方法:全局閾值采用閾值確定邊界的最簡(jiǎn)單做法是在整個(gè)圖像中將灰度閾值的值設(shè)置為常數(shù)。如果背景的灰度值在整個(gè)圖像中可合理地看作為恒定,而且所有物體與背景都具有幾乎相同的對(duì)比度,那么,只要選擇了正確的閾值,使用一個(gè)固定的全局閾值一般會(huì)有較好的效果。閾值方法:自適應(yīng)閾值背景的灰度值近似于常數(shù),全局閾值。背景的灰度值并不是常數(shù),局部閾值。分割錯(cuò)誤:一個(gè)物體分為多個(gè)物體;多個(gè)物體分為一個(gè)物體。自適應(yīng)閾值選取為物體的內(nèi)部灰度值和局部背景灰度值的近似中間值。全局閾值與自適應(yīng)閾值自適應(yīng)閾值:粘連染色體的數(shù)目從7個(gè)減少到2個(gè),斷裂染色體的數(shù)目從2個(gè)減少到0個(gè)。自適應(yīng)閾值比全局閾值精度高。閾值方法:最佳閾值除非圖像中的物體有陡峭的邊沿,否則灰度閾值的取值對(duì)所抽取物體的邊界的定位和整體的尺寸有很大的影響。這意味著后續(xù)的尺寸(特別是面積)的測(cè)量對(duì)于灰度閾值的選擇很敏感。由于這個(gè)原因,需要一個(gè)最佳的,或至少是具有一致性的方法確定閾值。
自適應(yīng)最佳閾值自適應(yīng)分割技術(shù):將圖像劃分成100100的像素塊。在每塊中物體的邊界用各自固定的閾值確定,但各塊間閾值不相同。根據(jù)各個(gè)塊的灰度直方圖,閾值被確定為背景峰值與數(shù)據(jù)峰值的中點(diǎn)。直方圖是單峰的塊則不予考慮?;谔荻鹊膱D像分割方法邊界方法利用邊界具有高梯度值的性質(zhì)直接找出邊界。邊界方法:拉普拉斯邊緣檢測(cè)拉普拉斯算子對(duì)二維函數(shù)運(yùn)算二階導(dǎo)數(shù)標(biāo)量算子▽2f(x,y)=2f(x,y)/x2+2f(x,y)/y2數(shù)字化表示卷積核:0-10-1-1-1-14-1-18-10-10-1-1-1無(wú)噪聲圖像具有陡峭的邊緣,用拉普拉斯算子將它們找出來(lái)。對(duì)經(jīng)拉普拉斯算子濾波后的圖像用零灰度值進(jìn)行二值化會(huì)產(chǎn)生閉合的、連通的輪廓并消除了所有的內(nèi)部。有噪聲圖像,在運(yùn)用拉普拉斯算子之前需要先進(jìn)行低通濾波。邊界方法:梯度圖像二值化如果用適中的閾值對(duì)一幅梯度圖像進(jìn)行二值化,那么,將發(fā)現(xiàn)物體和背景內(nèi)部的低于閾值而大多數(shù)邊緣點(diǎn)高于閾值。這種技術(shù)首先用一個(gè)中偏低的灰度閾值對(duì)梯度圖像進(jìn)行二值化從而檢測(cè)出物體和背景,物體與背景被處于閾值之上的邊界點(diǎn)帶分開。隨著閾值逐漸提高,就引起物體和背景的同時(shí)增長(zhǎng)。當(dāng)它們接觸上而又不至于合并時(shí),可用接觸點(diǎn)來(lái)定義邊界。邊界方法:邊界跟蹤一個(gè)物體且與背景具有反差的圖像。從一個(gè)梯度幅值圖像著手進(jìn)行處理。灰度級(jí)最高的點(diǎn)(即在原始圖像中梯度值最高的點(diǎn))必然在邊界上,所以把這一點(diǎn)作為邊界跟蹤過(guò)程的起始點(diǎn)。如果有幾個(gè)點(diǎn)都具有最高灰度級(jí),可以任一個(gè)。接著,搜索以邊界起始點(diǎn)為中心的33鄰域,找出具有最大灰度級(jí)的鄰域點(diǎn)作為第2個(gè)邊界點(diǎn)。如果有兩個(gè)鄰域點(diǎn)具有相同的最大灰度級(jí),就任選一個(gè)。從這一點(diǎn)開始,在給定當(dāng)前和前一個(gè)邊界點(diǎn)的條件下尋找下一個(gè)邊界點(diǎn)。一直迭代下去。在一個(gè)無(wú)噪聲的單調(diào)點(diǎn)狀物圖像中,這個(gè)算法將描畫出最大梯度邊界;但是,即使少量的噪聲也可能使跟蹤暫時(shí)或永遠(yuǎn)偏離邊界。邊緣方法:邊緣檢測(cè)和連接
檢測(cè)每個(gè)像素和其直接鄰域的狀態(tài),以決定該像素是否確實(shí)處于一個(gè)物體的邊界上。具有所需特性的像素被標(biāo)為邊緣點(diǎn)。當(dāng)圖像中各個(gè)像素的灰度級(jí)用來(lái)反映各像素符合邊緣像素要求的程度時(shí),它也可以用僅表示了邊緣點(diǎn)的位置而沒(méi)有強(qiáng)弱程度的二值圖像來(lái)表示。一幅邊緣圖通常用邊緣點(diǎn)勾畫出各個(gè)物體的輪廓,但很少能形成圖像分割所需要的閉合且連通的邊界。邊緣點(diǎn)連接就是一個(gè)將鄰近的邊緣點(diǎn)連接起來(lái)從而產(chǎn)生一條閉合的連通邊界的過(guò)程。這個(gè)過(guò)程填補(bǔ)了因?yàn)樵肼暫完幱暗挠绊懰a(chǎn)生的間隙。Sobel邊緣算子圖
Sobel邊緣算子有兩個(gè)卷積核。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積。一個(gè)核對(duì)通常的垂直邊緣響應(yīng)最大而另一個(gè)對(duì)水平邊緣響應(yīng)最大。兩個(gè)卷積的最大值作為該點(diǎn)的輸出值。運(yùn)算結(jié)果是一幅邊緣幅度圖像。-1-2-1-101000-202121-101Prewitt邊緣算子
Prewitt邊緣算子有兩個(gè)卷積核。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積。一個(gè)核對(duì)通常的垂直邊緣響應(yīng)最大而另一個(gè)對(duì)水平邊緣響應(yīng)最大。兩個(gè)卷積的最大值作為該點(diǎn)的輸出值。運(yùn)算結(jié)果是一幅邊緣幅度圖像。-1-1-110-100010-111110-1Kirsch邊沿算子
Kirsch邊沿算子有8個(gè)卷積核。每個(gè)點(diǎn)都用8個(gè)掩模進(jìn)行卷積,每個(gè)掩模對(duì)某個(gè)特定邊緣方向作出最大響應(yīng)。所有8個(gè)方向中的最大值作為邊緣幅度圖像的輸出。最大響應(yīng)掩模的序號(hào)構(gòu)成了對(duì)邊緣方向的編碼。+5+5+5-3+5+5-3-3+5-3-3-3-30-3-30+5-30+5-30+5-3-3-3-3-3-3-3-3+5-3+5+5-3-3-3-3-3-3+5-3-3+5+5-3-30-3+50-3+50-3+50-3+5+5+5+5+5-3+5-3-3-3-3-3邊緣檢測(cè)器性能邊緣檢測(cè)器性能由上述邊緣算子產(chǎn)生的邊緣圖像看來(lái)很相似,其實(shí)差異很大。
Roberts算子是22算子,對(duì)具有陡峭的低噪聲圖像響應(yīng)最好。其它三個(gè)算子,都是33算子,對(duì)灰度漸變和噪聲較多的圖像處理得較好。使用兩個(gè)掩模板組成邊緣檢測(cè)器時(shí),通常取較大得幅度作為輸出值。這使得它們對(duì)邊緣的走向有些敏感。取它們的平方和的開方可以獲得性能更一致的全方位響應(yīng)。這與真實(shí)的梯度值更接近。區(qū)域增長(zhǎng)首先把一幅圖像分成許多初始的小區(qū)域。這些初始的區(qū)域可能是小的鄰域甚至是單個(gè)像素。在每個(gè)區(qū)域中,定義一個(gè)適當(dāng)?shù)哪芊从澄矬w內(nèi)成員隸屬程度的度量規(guī)則,用于區(qū)分不同物體內(nèi)像素的性質(zhì),包括平均灰度值,紋理,或顏色信息。賦給每個(gè)區(qū)域一組參數(shù),對(duì)相鄰區(qū)域的所有邊界進(jìn)行考查。相鄰區(qū)域的平均度量之間的差異是計(jì)算邊界強(qiáng)度的一個(gè)尺度。如果給定邊界兩側(cè)的度量差異明顯,那么這個(gè)邊界很強(qiáng),反之則弱。強(qiáng)邊界允許繼續(xù)存在,而弱邊界被消除,相鄰區(qū)域被合并。區(qū)域增長(zhǎng)相似性準(zhǔn)則:鄰近點(diǎn)的灰度級(jí)與物體的平均灰度值之差小于2。5586558648
9748
9722832283333333335586558648
9
748972283228333333333模式識(shí)別:物體測(cè)量1.尺寸特征:面積、長(zhǎng)、寬和周長(zhǎng)。2.形狀:由矩形擬合和圓度的度量以及不變矩。3.形狀編碼:鏈碼、邊界極坐標(biāo)函數(shù)、復(fù)坐標(biāo)邊界函數(shù),和中軸變換。4.紋理:統(tǒng)計(jì)測(cè)量、由共生矩陣計(jì)算出特征值,以及頻譜和結(jié)構(gòu)分析的途徑加以定量測(cè)量。5.曲線擬合、表面擬合6.表面擬合估計(jì)物體的幅度、尺寸和形狀參數(shù)。尺寸測(cè)量選用像素?cái)?shù)量表示空間尺度,從灰度級(jí)計(jì)算光量度。面積和周長(zhǎng)。邊界在測(cè)量同一個(gè)多邊形的周長(zhǎng)和面積時(shí),必須要解決的問(wèn)題是:邊界像素是全部還是部分地包含在物體中?換句話說(shuō),物體的實(shí)際的邊界是穿過(guò)了邊界像素的中心還是圍繞了它們的外邊緣?周長(zhǎng)與面積最簡(jiǎn)單的計(jì)算面積方法是統(tǒng)計(jì)邊界內(nèi)部(也包括邊界上)的像素的數(shù)目。周長(zhǎng)就是圍繞所有這些像素的外邊界的長(zhǎng)度。校準(zhǔn)多邊形周長(zhǎng):測(cè)量物體周長(zhǎng)的方法是將物體邊界定義為以各邊界像素中心為頂點(diǎn)的多邊形。相應(yīng)的周長(zhǎng)就是一系列橫豎方向和對(duì)角線方向像素的間距之和。這個(gè)和可以在用行程編碼表示。一個(gè)物體的周長(zhǎng)可表示為:面積表示:多邊形的面積和周長(zhǎng)三角形面積:化簡(jiǎn)公式:多邊形面積物體主軸的測(cè)量物體的主軸測(cè)量與之有關(guān)的長(zhǎng)度和寬度。當(dāng)物體的邊界已知時(shí),有如下方法可以確定一個(gè)物體的主軸:(1)物體內(nèi)部點(diǎn)的一條最佳擬合直線。(2)主軸可以從矩的計(jì)算得出。(3)物體的最小外接矩形。形狀分析(矩形度)矩形度:反映一個(gè)物體矩形度的一個(gè)參數(shù)是矩形擬合因子
其中,AO是該物體的面積,而AR是其最小外接矩形(MER)的面積。R反映了一個(gè)物體對(duì)其MER的充滿程度。對(duì)于矩形物體R取得最大值1.0,對(duì)于圓形物體R取值為/4,對(duì)于纖細(xì)的,彎曲的物體取值變小。矩形擬合因子的值限定在0與1之間。長(zhǎng)寬比:它等于MER的寬與長(zhǎng)的比值。這個(gè)特征可以把較纖細(xì)的物體與方形或圓形物體區(qū)分開。形狀分析(圓形度)有一組形狀特征稱為圓形度指標(biāo),因?yàn)樗鼈冊(cè)趯?duì)圓形形狀計(jì)算時(shí)取最小值。它們的幅度值反映了被測(cè)量邊界的復(fù)雜程度。最常用的圓形度指標(biāo)是即周長(zhǎng)的平方與面積的比。這個(gè)特征對(duì)圓形形狀取最小值4。越復(fù)雜的形狀取值越大。圓形度指標(biāo)C與邊界復(fù)雜性概念有著粗略的聯(lián)系。形狀分析(不變矩)定義具有兩個(gè)變?cè)挠薪绾瘮?shù)f(x,y)的矩集被定義為為了描述形狀,假設(shè)f(x,y)在物體內(nèi)取值1而在其它均為0。這種剪影函數(shù)只反映了物體的形狀而忽略了其內(nèi)部的灰度級(jí)細(xì)節(jié)。每個(gè)特定的形狀具有一個(gè)特定的輪廓和一個(gè)特定的矩集。中心矩規(guī)范化的中心矩對(duì)物體的放大、平移、旋轉(zhuǎn)保持不變。形狀分析(描繪子)用描繪子表示圖像的特征。有些描繪子對(duì)放大、平移、旋轉(zhuǎn)等不敏感。常用的描繪子:傅立葉描繪子矩描繪子拓?fù)涿枥L子紋理分析紋理:一種反映一個(gè)區(qū)域中像素灰度級(jí)的空間分布的屬性。紋理通常用統(tǒng)計(jì)性質(zhì)表征,如灰度級(jí)的標(biāo)準(zhǔn)偏差(用于度量紋理的幅
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 備考會(huì)計(jì)基礎(chǔ)秀課件推
- 養(yǎng)老院老人康復(fù)理療師職業(yè)發(fā)展規(guī)劃制度
- 增收節(jié)支課件
- 2024年挖掘機(jī)租賃合同范本(含應(yīng)急維修服務(wù))3篇
- 2024年度生態(tài)園林樹木補(bǔ)種與養(yǎng)護(hù)管理合同3篇
- 大年夜學(xué)期末財(cái)務(wù)學(xué)課件期末溫習(xí)資料試卷
- 《肝癌與其他》課件
- 2024年版:工程機(jī)械短期租賃協(xié)議
- 《在大多數(shù)廣告中》課件
- 2025年四川貨運(yùn)從業(yè)考試試題及答案詳解
- 小學(xué)生相聲劇本(10篇)
- 2023-2024學(xué)年山東省膠州市初中語(yǔ)文九年級(jí)上冊(cè)期末自測(cè)測(cè)試題
- 人力資源專員招聘筆試題
- LY/T 1646-2005森林采伐作業(yè)規(guī)程
- GB/T 7714-2015信息與文獻(xiàn)參考文獻(xiàn)著錄規(guī)則
- GB/T 7531-2008有機(jī)化工產(chǎn)品灼燒殘?jiān)臏y(cè)定
- GB/T 19963.1-2021風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定第1部分:陸上風(fēng)電
- GB/T 13586-2006鋁及鋁合金廢料
- 二年級(jí)上冊(cè)數(shù)學(xué)試題-應(yīng)用題復(fù)習(xí)6-人教新課標(biāo)(2014秋)(無(wú)答案)
- 麗聲北極星分級(jí)繪本第一級(jí)上Tiger-Is-Coming課件
- 2023年哈工大模電大作業(yè)
評(píng)論
0/150
提交評(píng)論