(精选)中科院 图象分割 课件课件.ppt

1) 通过区域均匀性和类不确定性最小化求取最优阈值 (MHUE)（P.K. Saha, et al, T-PAMI, 2001） 7. 综合考虑边缘和区域的方法 假设A： 在任何具有模糊边界的图像中，在利用最优阈值得到的区域划分中，类不确定性高的象素出现在物体的边缘附近。 a) 基于灰度的类不确定性的确定 设 Fo,t 和 Fb,t 分别是阈值为 t 时的物体和背景象素集。假设物体和背景的灰度都服从Gaussian 分布，c 为一个象素，C为图象空间，| X | 表示集合X元素个数。设 设 pt (g) 是 c ＝ g的概率，即 所以，由Bayes公式，具有灰度g的象素 c 属于物体的后验概率为 设 po,t (g) 和 pb,t (g) 分别是作为物体和背景上的象素 c ＝ g 的概率，即 所以，若已知象素 c 具有灰度 g，则在阈值为 t 时对 c 分类的不确定性可由 Shannon 熵表示，即 而具有灰度g的象素 c 属于背景的后验概率为 物体和背景上的象素 c ＝ g 的概率的定义 b) 区域均匀性的确定 这里，c、d 是两个象素， 确定 c 与 d 是否属于同一个区域。 大，则表示 c 与 d 属于同一个区域。所以 越大，则表示 c 及其邻域越均匀。 注意， 的计算与阈值 t 的选取无关。 C、 的定义可参阅P.K. Saha, et al