第5章 特色分割算法 图像工程(第2版)中册_图像分析教学课件.ppt

第5章 特色分割算法 5.1 SUSAN边缘检测 5.1.1 USAN原理 5.1.2 SUSAN边缘检测 5.1.2 SUSAN边缘检测 5.1.2 SUSAN边缘检测 5.1.2 SUSAN边缘检测 5.1.2 SUSAN边缘检测 5.2 主动轮廓模型 5.2.1 主动轮廓 5.2.2 设计能量函数 5.2.2 设计能量函数 5.3 特色的取阈值技术 5.3.1 多分辨率阈值选取 5.3.1 多分辨率阈值选取 5.3.1 多分辨率阈值选取 5.3.1 多分辨率阈值选取 5.3.2 类间最大交叉熵阈值 5.3.2 类间最大交叉熵阈值 5.3.4 借助过渡区选择阈值 5.3.4 借助过渡区选择阈值 5.4 分水岭分割算法 5.4.1 基本原理和步骤 5.4.1 基本原理和步骤 5.4.1 基本原理和步骤 5.4.1 基本原理和步骤 5.4.1 基本原理和步骤 5.4.1 基本原理和步骤 5.4.2 算法改进和扩展 5.4.2 算法改进和扩展 5.4.2 算法改进和扩展 5.4.2 算法改进和扩展 联 系 信 息 1. 利用标记控制分割 流程框图 1. 利用标记控制分割 示例 (a) 表示部分覆盖的两个区域 (b) 表示经过距离变换的结果（两个局部极小值） (c) 检测出的分水线 2. 分水岭算法的扩展 特征域算法示例 (1) 选择合适的颜色空间，做出3-D颜色直方图 (2) 将3-D颜色直方图进行反转变换 (3) 在不同的颜色聚类之间建立分水岭 (4) 将聚类结果映射回图象域中 (5) 后处理得到最终分割图象 *章毓晋 (TH-EE-IE) 第*页 第5讲 章毓晋 清华大学电子工程系 100084 北京 图象工程 5.1 SUSAN检测算子 5.2 主动轮廓模型 5.3 特色的取阈值技术 5.4 分水岭分割算法 原理 USAN: Univalue Segment Assimilating Nucleus 核同值区：相对于模板的核，模板中有一定 的区域与它有相同的灰度 USAN的面积携带了关于图象中核象素处结 构的主要信息 当核象素处在图象中的灰度一致区域， USAN的面积会达到最大。该面积当 核处在直边缘处约为最大值的一半， 而当核处在角点处则为最大值的1/4 使用USAN面积作为特征起到了增强边缘和 角点的效果 SUSAN：最小（Smallest） 核同值区 检测模板：37个象素, 半径为3.4象素 检测对模板中的每个象素进行 得到输出的游程和（running total） 边缘响应 几何阈值G = 3Smax/4，其中Smax是S所能取的最大值 边缘方向的确定 根据非零强度的象素确定边缘的方向 点A和B都是标准的边缘点，各落在边缘的一边 从USAN重心到模板核的矢量与边缘局部方向垂直 边缘方向的确定 根据非零强度的象素确定边缘的方向 点C落在两个边缘的中间 USAN是沿边缘方向的细条，找最长的对称轴 特点 有噪声时的性能较好 不需要计算微分 对面积计算中的各个值求和（积分） 非线性响应特点 易自动化实现 控制参数的选择简单 参数的任意性较小 给定对图象中目标轮廓的一个近似（初始轮廓），主动轮廓模型可用来检测准确的轮廓 主动轮廓模型逐步改变封闭曲线的形状以逼近图象中目标的轮廓。在这个过程中，目标轮廓的各部分常用线，边缘等表示。 主动轮廓模型也称Snakes，因为在对目标轮廓的逼近过程中，封闭曲线像蛇爬行一样不断改变形状。 主动轮廓是图象上一组排序的点的集合 处在轮廓上的点可通过解一个最小能量问题来迭代地逼近目标的边界 Eint(vi)是依赖于轮廓形状的能量函数 Eext(vi)是依赖于图象性质的能量函数 1 内部能量 推动主动轮廓形状的改变 并保持轮廓上点间的距离 (1) 连续能量 迫使不封闭的曲线变成直线而封闭的曲线变成圆环 (2) 膨胀力 强制轮廓在没有外来影响的情况下扩展或收缩 2 外部能量 将变形模板向感兴趣的特征吸引 构建能量函数：如目标的尺寸和形状 (1) 图象灰度能量 将轮廓吸向高或低的灰度区域 (2) 图象梯度能量 将轮廓推向特征（边缘） 5.3.1 多分辨率阈值选取 5.3.2 类间最大交叉熵阈值 5.3.3 类内最小模糊散度阈值 5.3.4 借助过渡区选择阈值 1