第5章 特色分割算法.pptxVIP

第5章 特色分割算法 5.1 SUSAN检测算子 5.2 特色的取阈值技术 5.3 分水岭分割算法5.1 SUSAN边缘检测原理 USAN: Univalue Segment Assimilating Nucleus核同值区(USAN)：相对于模板的核，模板中总有一定的区域与它有相同的灰度，这部分区域称为USAN区域。5.1.1 USAN原理USAN区域包含了与图像结构有关的信息：当核像素处在图像中的灰度一致区域，USAN的面积最大。当核处在直边缘处面积约为最大值的一半，当核处在角点处时则为最大值的1/4；因此，使用USAN面积的变化作为特征可以起到检测边缘和角点的效果；5.1.2 SUSAN边缘检测SUSAN：最小（Smallest） 核同值区圆形检测模板（各向同性）：37个像素, 半径为3.4像素 5.1.2 SUSAN边缘检测 检测对模板中的每个像素进行得到输出的游程和（running total）实际使用SUSAN时，采用S与几何阈值G（设为G = 3Smax/4 ）的差进行比较：其中Smax是S所能取的最大值； USAN面积越小，边缘响应就越大。5.1.2 SUSAN边缘检测 边缘方向的确定 根据非零强度的像素确定边缘的方向 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 5.1.2 SUSAN边缘检测 边缘方向的确定 根据非零强度的像素确定边缘的方向 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 5.1.2 SUSAN边缘检测特点 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 5.2 特色的取阈值技术 5.2.1 多分辨率阈值选取 在较大尺度下检测真正的峰点和谷点，较小尺度下对这些峰点和谷点精确定位。 5.2.2 借助过渡区选择阈值 5.2.1 多分辨率阈值选取 1. 确定分割区域的类数 利用在粗分辨率下的直方图细节信息 尺度函数 f (x)：低通滤波器 图像直方图H(x)的低通分量为 直方图的多分辨率小波分解表示 {S2i[H(x)], W2i[H(x)], 1 ≤ i ≤ I} 5.2.1 多分辨率阈值选取 1. 确定分割区域的类数 在分辨率为21时确定初始的区域分割类数 判断直方图中独立峰的个数 独立峰应满足三个条件 : (1) 具有一定的灰度范围 (2) 具有一定的峰下面积 (3) 具有一定的峰谷差 5.2.1 多分辨率阈值选取 2. 确定最优阈值(1) 用从负值变化到正值的零交叉点确定峰的起点(2) 用从正值变化到负值的零交叉点确定峰的终点(3) 用起点和终点间的最大值点确定峰的位置(4) 用前一个峰的终点和后一个峰的起点间的最小值点确定这两个峰之间谷点的位置 5.2.1 多分辨率阈值选取 2. 确定最优阈值分辨率增加 ? 阈值数目也增加；设在两相邻尺度 2i+1 和 2i 所对应的阈值分别为和 当l=k时取最小值，表明在尺度尺度 2i+1 的阈值 对应在尺度2i的阈值因此，可以对在最低分辨率一层选取的所有阈值逐层跟踪，最后选取在最高分辨率一层的对应阈值作为最优阈值5.2.2 借助过渡区选择阈值 讨论区域和边界算法时认为区域的并集覆盖了整个图像而边界本身是没有宽度的。 实际数字图像中边界是有宽度的，它也是图像中的一个区域，一方面它将不同的区域分隔开来，具有边界的特点，另一方面，它面积不为零，具有区域的特点，这类特殊区域称为过渡区。 可以先计算图像中目标和背景间的过渡区，再进一步选取阈值进行分割。5.2.2 借助过渡区选择阈值1. 过渡区和有效平均梯度有效平均梯度总梯度值非零梯度像素总数其中5.2.2 借助过渡区选择阈值为减少干扰，特定义如下特殊的剪切变换：将剪切了的部分定义为剪切值；高端剪切低端剪切其中，L为剪切值；若对剪切后的图像求梯度，则梯度函数必然与剪切值L有关，由此得到的EAG也成了L的函数EAG(L)5.2.2 借助过渡区选择阈值有效平均梯度的极值点和过渡区边界EAG(L)与剪切方式有关，对应低端和高端剪切的EAG(L)可分别写成EAGlow(L)和EAGhigh(L)；通过对TG和TP的分析可知，典型的EAGlow(L)和EAGhigh(L)曲线都是单峰曲线；EAGlow(L)和EAGhigh(L)的极值点分别为Llow和Lhigh，两极值点对应图像灰度集合中的两个特殊值，由它们可确定过渡区。5.2.2 借助过渡区选择阈值 过渡区是一个由两个边界圈定的2D区域，其中像素灰度由两个1D灰度空间的边界灰度值Llow和Lhigh限定。这两个极值点具有如下三个主要性质：对每个过渡区， Ll