数字图像处理文件导论.pptVIP

结合相似性拟合和空间约束的图像分割 刘蓉蓉 1座机电话号码003 温 林 1座机电话号码025 中国图像图形学报 基础知识 图像分析 基础知识 图像分割 根据图像的灰度，颜色，纹理和形状等不同的特征把整个图像区域分成若干个互不重叠的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域呈现出明显的差异性。 是由图像处理到图像分析的关键步骤。 图像处理和图像分析交集的内容可以认为是 图像中特定区域或物体的识别。 基础知识 图像分割方法 基于阈值 基于区域 区域生长和分裂合并法是两种典型的串行区域技术 基础知识 图像分割方法 基于边缘 图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。 基于特定理论 论文内容 提出问题 图像中目标一般含有很多子类，仅仅利用某个子类的特征无法完整地分割出目标区域。 解决方法 在测试样本中用相似度量搜寻与目标字典中最相似的原子，并建立拟合项 结合空间约束项，构建分割模型 连续最大流算法求解 交互式分割模型与算法流程 首先根据自身先验选取每个目标的训练样本，每个训练样本集都需包含该目标中各个子类的特征。再结合该字典结合相似性拟合和空间约束建立分割模型，最后通过能量最小化实现对各个目标的分割。具体步骤如图所示。 输入图像 训练样本 手动标记 分割模型 分类结果 能力最小化 相似拟合项 设A ，为手动标记的一个字典，样本总数 为N，其中 为手动标记的第i个目标的训练样本 集， 表示 样本集中第k个训练样本，y表示测试样本，那么测试样本可以在训练样本集中找到与之最相似的向量 ，基于稀疏表示的分类方法可以用来对测试样本进行分类。 相似拟合项 根据分析，本文通过在各个目标的字典中搜索与测试样本最相似的原子将两者的距离定义为该测试样本被分割到各个类别的误差，再根据该误差建立图像分类的拟合函数,设 表示测试样本与原子 的相似性的距离，而测试样本被分到第i个类别的误差可表示为: （1） 则图像中所有样本的总的分类误差即相似拟合可表示为 : （2） 根据式（2）再增加空间约束项，可以得到本文的目标函数： （3） 为了极小化目标函数，定义示性函数来表示各个子区域，即： （4） （4） 交互式分割模型与算法 目标函数的极小化问题可表示为： （5） 由于 是二值函数，因此上述模型为非凸的，很难求得最优解， 所以将示性函数 松弛到 ，可得到松弛模型为： （6） 交互式分割模型与算法 快速算法 运用连续最大流算法求解能量泛函极小问题。可得式（6）的连续最大流模型可表示为： （7） 上述最大流模型的最优解就是式（6）的极小值。 定义增广拉格朗日方程： （8） 式中c 0。通过增广拉格朗日乘子法将（6）中有约束优化问题转化 为无约束优化问题。上式的最小解可以转化为求解子问题的最优解： （1）固定其他变量，求空间流 的优化问题： （9） （2）固定其他变量，求解汇点流 （10） （3）优化源点流，并更新乘子 （11） （12） 论文内容 解决方法 在测试样本中用相似度量搜寻与目标字典中最相似的原子，并建立拟合项 结合空间约束项，构建分割模型 连续最大流算法求解 效果对比 本文方法，训练样本不同 效果对比 与SRC比较 基于稀疏表示分类方法 SRC 本文 效果对比 不同训练样本数目 效果对比 几种方法比较 N-cut 逻辑回归 本文 分析 总结 思考 方法优点 相似拟合思想 空间约束项 连续最大流算法 方法局限 只用图像RGB作为特征 依赖训练样本选取 思考收获 结合效果对比图，图像分割的最优方法要根据分割需求判断。本文方法要求有厚实的数学基础和图像基础知识，手工标记样本和测试样本的选取都在影响图像分割的效率。