彩色图像分割方法(答辩)教案.ppt

参考文献： 主要文献： 1.彩色图像分割方法综述_林开颜 2.彩色图像分割技术综述_李永军 3.一种改进的边缘生长彩色图像分割方法_龚巍 其他文献： 混合聚类彩色图像分割方法研究_施海滨 基于彩色图像分割的置信传播快速立体匹配算法_李鹤喜 一种基于主色外观图的彩色图像分割算法_许法强 粒视角下彩色图像分割方法_谢巍 融合直方图阈值和K_均值的彩色图像分割方法_陈坤 本组成员： 答辩：袁荣良 学号：12010243006 PPT制作：韦诣邃 学号：12010243023 文献：卢超伟 学号：12010243025 论文：赵 璐 学号：12010243033 图像分割是将图像按照某种特征(灰度、纹理、颜色、形状等) 表示为物理上有意义的连通区域的集合。常用的图像分割技术大致可分为3 类：直方图分割技术(阈值分割等)；基于邻域的分割技术(边缘检测、区域增长等)；基于图像的物理特征进行分割(如分形特征、颜色特征、纹理特征等)。彩色图像提供的信息要比灰度图像更多，对客观世界的描述更为逼真，因此对彩色图像分割更具有广阔的前景。基于颜色空间特性的方法一般采取区域分割和聚类的方法来实现。典型的基于区域分割方法有区域生长法、分裂-合并方法等。但区域分割的结果很大程度依赖于种子点( seed points ) 的选择，常常会造成图像欠分割或过分割的问题。Horowitz[1]首次将分裂- 合并思想用于图像分割，但由于算法的局限性难以实现小区域的有效连接。聚类方法中比较常见的是K - Mean 聚类和模糊C -Mean 聚类，在这类方法中，聚类的数目需预先设定，每次迭代优化都需重新计算聚类中心和隶属度矩阵，计算量较大。近年来，有些学者提出利用边缘生长的技术进行图像分割，先对图像进行边缘检测，然后用有向势能函数对边缘进行粗略的封闭，最后用区域生长的技术进行细分割。边缘生长是一种基于边界的检测方法，借鉴了区域生长和边界跟踪的思想。 彩色图像分割方法,如图 1： 颜色特征空间 线性变换空间有 YIQ、YUV、I1I2I3等, 它们部分消除了 RGB的相关性, 由于其是线性变换, 因此计算量小, 其中, Y 分量常用于边缘检测, 而I1I2I3则能够有效地用于彩色图像处理。 非线性变换空间有 HSI( HSB, HSL, HSV 为 HSI 的变形) 、归一化 RGB、YT1T2均匀颜色空间CIE。其中 HIS 与人眼的色彩感知相吻合, 其在一些照明不均的场合特别有用, 因色调与高亮、阴影无关, 色调对区分不同颜色的物体非常有效。虽然非线形变换空间消除了 3 个颜色分量间的相关性, 适合于图像处理, 但由于是非线形变换, 计算机极大, 且颜色空间存在奇异点问题。 彩色图像分割技术 一是基于区域的分割技术( 直方图阈值法, 颜色聚类方法, 区域生长、区域合并和区域分裂及其组合) 二是基于边缘的分割技术( 基于边缘检测的方法、分水岭分割方法) 三是基于特定理论工具的分割技术( 基于小波变换的彩色图像分割技术、基于水平集的彩色分割图技术、基于 Markov 随机场的方法、基于神经网络的方法、基于模糊集合理论的方法、基于物理模型的方法) 四是分形技术 五是混合技术 分割技术一：基于区域的分割方法 直方图阈值法是单色图像广泛使用的一种分割方法, 与单色图像不同的是, 彩色图像有 3 个颜色分量, 其直方图是一个三维数组, 在这样的直方图中确定阈值是比较困难的。Kurugollu 等提出了一种多频谱图像分割方法, 即对于彩色图像, 首先选取 FRGFRBFGB 为频谱子集, 并在计算3 个频谱子集的二维直方图后, 再进行多阈值化处理, 然后利用融合算法对根据 3 个子集的二维直方图分割的图像进行合成。对于频谱数较多的图像, 可以利用主分量变换将频谱数减少到 3。直方图阈值法不需要先验信息, 且计算量较小, 缺点: 第一, 单独基于颜色分割得到的区域可能是不完整的; 第二, 对没有明显峰值的图像效果不好; 第三, 当像素颜色映射到 3 个直方图的不同位置时, 颜色信息会发散; 第四, 没有利用局部空间信息和空间细节。 分割技术一：基于区域的分割方法 区域生长的基本思想是将具有相似性质的像素集合起来构成区域,而区域分裂技术则是将种子区域不断分裂为 4 个矩形区域, 直到每个区域内部都是相似的为止。区域合并通常和区域生长、区域分裂技术相结合, 以便把相似的子区域合并成尽可能大的区域。当图像区域的同一性准则容易定义时, 则这些方法分割质量较好, 并且不易受噪声影响。Tre