圖像分割與特征提取-第四章

第四章

圖像分割與特征提取圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第1頁!主要內(nèi)容1.圖像目標(biāo)分割方法2.圖像特征的提取3.圖像紋理特征的描述圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第2頁!它的主要目的是將一幅圖像劃分為一個個區(qū)域,每一個區(qū)域與一個實(shí)際目標(biāo)相對應(yīng)，可將感興趣的目標(biāo)（AOI）區(qū)域分割出來。這是一個將一個集合劃分成一些子集的基本操作.每一個子集可能對應(yīng)著一個目標(biāo)或一種現(xiàn)象.對一幅圖像而言,區(qū)域可視為連通的和灰度特征一致的片區(qū)。分割方法兩類:類是直接構(gòu)成目標(biāo)區(qū)域，第二類是先尋找邊緣來構(gòu)成域。圖像分割圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第3頁!

圖像分割有兩種不同的途徑：其一是將各像素劃歸到相應(yīng)物體或區(qū)域的像素聚類方法,即區(qū)域法；在圖像分割技術(shù)中，最常用的是利用閾值化處理進(jìn)行的圖像分割。其二是通過直接確定區(qū)域間的邊界來實(shí)現(xiàn)分割的邊界方法；這種方法首先檢測邊緣像素，再將邊緣像素連接起來構(gòu)成邊界形成分割。圖像分割的方法圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第4頁!

在圖像的閾值化處理過程中，選用不同的閾值其處理結(jié)果差異很大。如圖所示,閾值過小，會提取多余的部分；而閾值過大，又會丟失所需的部分（注意：當(dāng)前背景為黑色，對象為白色時剛好相反）。因此，閾值的選取非常重要?；叶乳撝捣ǚ指?a)原始圖像；(b)閾值T=43；(c)閾值T=130；(d)閾值T=91圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第5頁!Otsu閾值算法圖像分割：Otsu灰度圖像閾值算法

(Otsuthresholding)圖像有L階灰度，ni是灰度為i的像素數(shù)，圖像總像素數(shù)N=n1+n2+…+nL灰度為i的像素概率：pi=ni/N類間方差：圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第6頁!特征的選擇與提取特征的選擇與提取是模式識別中重要而困難的一個環(huán)節(jié)：分析各種特征的有效性并選出最有代表性的特征是模式識別的關(guān)鍵一步降低特征維數(shù)在很多情況下是有效設(shè)計分類器的重要課題三大類特征：物理、結(jié)構(gòu)和數(shù)學(xué)特征物理和結(jié)構(gòu)特征：易于為人的直覺感知，但有時難于定量描述，因而不易用于機(jī)器判別數(shù)學(xué)特征：易于用機(jī)器定量描述和判別，如基于統(tǒng)計的特征圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第7頁!特征的選擇與提取兩類提取有效信息、壓縮特征空間的方法：特征提取和特征選擇特征提取(extraction)：用映射（或變換）的方法把原始特征變換為較少的新特征特征選擇(selection)：從原始特征中挑選出一些最有代表性，分類性能最好的特征特征的選擇與提取與具體問題有很大關(guān)系，目前沒有理論能給出對任何問題都有效的特征選擇與提取方法圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第8頁!特征抽提圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第9頁!紋理、直方圖、邊緣形狀、目標(biāo)所占的區(qū)域的面積的大小、區(qū)域的長軸、區(qū)域的短軸、空間位置（質(zhì)心）等。

其中

紋理特征的提取(1)紋理特征的兩要素：(A)形狀與大小，(B)基元排列的稀密，周期性，方向性。(2)紋理分析的方法：統(tǒng)計方法和結(jié)構(gòu)方法圖像識別中常用的特征圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第10頁!衡量直方圖相似的常見度量(1)直方圖的均值圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第11頁!衡量區(qū)域相似度－圖像的相關(guān)(1)互相關(guān)圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第12頁!傅里葉特征作紋理測試函數(shù):圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第13頁!其它常見的區(qū)域特征(1)邊緣周長l定義為邊緣上的像素個數(shù)(2)區(qū)域圓度其中S為區(qū)域面積(3)歐拉數(shù)一個區(qū)域中連通部數(shù)H與吼數(shù)C的差：E=|C-H|圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第14頁!圖像分割

圖像分割是將圖像劃分成若干個互不相交的小區(qū)域的過程，小區(qū)域是某種意義下具有共同屬性的像素的連通集合，如不同目標(biāo)物體所占的圖像區(qū)域。連通是指集合中任意兩個點(diǎn)之間都存在著完全屬于該集合的連通路徑。對于離散圖像而言，連通有4連通和8連通之分。圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第15頁!灰度閾值法分割

常用的圖像分割方法是把圖像灰度分成不同的等級，然后用設(shè)置灰度門限（閾值）的方法確定有意義的區(qū)域或分割物體的邊界。常用的閾值化處理就是圖像的二值化處理，即選擇一閾值，將圖像轉(zhuǎn)換為黑白二值圖像，用于圖像分割及邊緣跟蹤等預(yù)處理。圖像閾值化處理的變換函數(shù)表達(dá)式為圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第16頁!

原始圖像的直方圖如圖所示。分析該直方圖可知，該直方圖具有雙峰特性，圖像中的目標(biāo)（細(xì)胞）分布在較暗的灰度級上形成一個波峰，圖像中的背景分布在較亮的灰度級上形成另一個波峰。此時，用其雙峰之間的谷低處灰度值作為閾值T進(jìn)行圖像的閾值化處理，便可將目標(biāo)和背景分割開來閾值法分割圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第17頁!Otsuthresholding灰度圖像閾值:Otsu灰度圖像二值化算法演示及程序分析:圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第18頁!原始特征的形成原始特征形成(acquisition)：信號獲取或測量→原始測量原始特征實(shí)例：數(shù)字圖象中的各像素灰度值人體的各種生理指標(biāo)原始特征分析：原始測量往往不能反映對象本質(zhì)高維原始特征不利于分類器設(shè)計：計算量大，冗余，樣本分布十分稀疏圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第19頁!特征的選擇與提取舉例細(xì)胞自動識別：原始測量：（正常與異常）細(xì)胞的數(shù)字圖像原始特征（特征的形成，找到一組代表細(xì)胞性質(zhì)的特征）：細(xì)胞面積，胞核面積，形狀系數(shù)，光密度，核內(nèi)紋理壓縮特征：原始特征的維數(shù)仍很高，需壓縮以便于分類特征選擇：挑選最有分類信息的特征特征提?。簲?shù)學(xué)變換傅立葉變換或小波變換用PCA方法作特征壓縮圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第20頁!特征抽提圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第21頁!區(qū)域直方圖特征

方法:比較已知目標(biāo)的直方圖與圖像中某個給定區(qū)域的灰度直方圖，從而決定兩目標(biāo)是否相似。操作步驟:選取適當(dāng)?shù)膮^(qū)域大小。計算其區(qū)域的灰度直方圖。比較此直方圖與基元的直方圖，決定兩者是否相似，若相似，則說明所給的圖像中有我們所需的紋理。比較不同像素的直方圖的相似性，決定紋理的稀密，周期性，方向性。圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第22頁!(2)直方圖的方差圖像分割與特征提取-第四章共26頁，您現(xiàn)在瀏覽的是第23頁!(2)自相關(guān)

特點(diǎn)：若紋理較粗，d=|x||+|y|增大時變化較慢。若上式的值呈周變化，同可獲