基于JSEG图像分割﹝11.4.21﹞.pptVIP

算法可以分为以下几个部分： ;同等组滤波的含义是用窗内相似像素的均值来代替该点，以达到平滑滤波的作用。; 设特征向量; 为了消除滤波窗口中噪声的影响，可以通过计 算; 理论依据：根据Fisher准则来判别同等组，即 哪些像素与中心像素可以作为相似的一类。 Fisher准则函数定义如下：;; 将同等组成员写成一个集合; 在完成了脉冲噪声的去除和同等组的分类 后，中心像素 ;颜色量化就是对 PGF滤波后的结果 进行动态聚类，形 成不同的颜色区域。; 前面提到，根据Fisher判断准则对应每个点; 对于平滑区域T(n)比较小，从而V(n)的值比较 大；反之，变化剧烈的区域T(n)比较大，从而V(n) 的值比较小。这样就得到了表征区域的平滑度的 权重V(n)。 求得 T(n)的平均值; 该算法是矢量量化算法中的关键的一个步骤，该方法大致分为分裂与像素分配两部分。分裂的作用在于将原图像分裂至式所计算的初始簇数，而像素分配则是依据距离最小原则将每个像素点分配至相应簇中，并将各像素按照所在簇进行标记。 ; 根据所有样本点所在的簇，计算每个类的“质 心”。设第; 据算全部的样本集合对于; 设定失真门限值为 ，将已分裂好的每簇的失真值与其比较，当失真值高于设定的门限时， 即 ，则将该簇分裂为两部分，然后将原簇中的像素重新分配至新簇中。如果已经分好的各簇失真值均小于门限值，但 则将失真值最大的簇进行分裂，并分配该簇的像素至各新簇，重复上面的步骤直至分裂至式所计算出的初始分裂簇数。;;类图（class-map）; 假设Z是类图中N个数据点的集合，设 Z=(x,y), z∈Z, m是均值，即：;设; （1）J图像相当于是一幅灰度图像。它的每一个像素值是源图像像素的J值，这些J值是通过以这个像素为中心的局部窗计算所得。 （2）J值越高，这个像素靠近边界的可能性越 大。;（1）像素的局部 J值越高，则该像素越接近该区域边缘。 图就如同一副三维地形图，大的J值如同山峰，代表了区域边缘，而小的J值如同山谷，代表了某一区域的内部 ; 将生长的过程分为两个步骤 1.种子点的确定 选取局部J值最小的点。在一个区域中计算局部J的平均和标准差，分别记为 。 ;; 对于非种子区域p，检查p的所有邻接区域，如果p的所有已经标记过的邻接区域的标记相同，则把区域p也标记成同样的值，如果p的已经标记过的邻接区域的标记不相同，则计算区域p同这些邻接区域的色调均值差，选择差值较小的区域对应的标记给区域p进行标记;理论依据：基于颜色的相似性。 颜色直方图描述了区域的颜色信息，通过计 算颜色直方图中i和j的距离：;;; 谢 谢！