模式识别-图像分割.pptVIP

第18章　模式识别：图像分割;18.1.1　统计模式识别 ;　　图像分割或物体分离阶段：检测出各个物体，并把它们的图像和其余景物分离。（MPEG-4所关心的核心问题之一就是视频对象的分离）。 　　特征抽取阶段：对检测出的物体进行度量，得到某个度量值（如尺寸、颜色、形状等），而特征则是一个或多个度量的函数。通过计算，可以对物体的一些重要特征进行定量化表示，形成一组特征，从而构成特征向量。实际上，度量抽取的特征向量可以是n维的，引入n维空间的概念，于是，任一特定物体都对应于特征空间中的一点。 　　分类阶段：以物体的特征向量为依据对物体进行分类，输出一种决策，也就是确定了每个物体应该归属的类别。在这一阶段，每一个物体都会被指定属于若干预先定义好的组（类）中的某一个组。出现分类错误的概率称为误判率。 ;10cm Red Circle;18.1.2 模式识别的一个例子;18.1.3　模式识别系统的设计 ;目的：将图像划分成互不相交的区域;图像分割采用三种不同的原理来实现： 　　区域分割：把具有同属性各像素划归到各个物体或区域中。 　　边界分割：确定存在于区域间的边界。 　　边缘分割：先确定边缘像素并把它们连接在一起以构成所需的边界。;18.3　使用阈值进行图像分割 ;18.3.1　全局阈值化 ;18.3.3　最佳阈值的选择 ;18.3.3.2　自适应阈值 二次处理，即先将图像分成100?