遥感数字图像处理教程11图像分割培训资料.pptVIP

二、特征空间聚类 根据提取的特征值将一组目标划分到各类中的技术。 将图象空间中的像素用对应的特征空间点表示，通过将特征空间的点聚集成群，再将它们映射回原图象空间以得到分割的结果。 1 2 3 4 5 6 7 x1 0.5 1.0 1.5 2.0 2.5 3.0 x2 K-均值聚类方法 （1）任意选择K个初始类均值 （2）使用最小距离判别法将所有样本分给K类；若对 所有的不等于i的j， 则判 属于第i 类。 （3）使用步骤（2）中分类结果，计算各类均值，并 以此作为新的类均值； （4）比较新旧类均值，若它们之差小于某一阈值， 则认为中心已经稳定，可以终止算法，输出结果；否 则，返回步骤（2），继续进行。 8.5 区域增长 区域增长是把图像分割成特征相同的若干小区域，比较相邻小区域特征的相似性，若它们足够相似，则作为同一区域合并，以此方式将特征相似的小区域不断合并，直到不能合并为止，最后形成特征不同的各区域。这种分割方式也称区域扩张法。 区域增长对于由复杂物体定义的复杂场景分割具有很好的作用。 区域生长法的三个关键条件的确定： (1)选择和确定一组能正确代表所需区域的种子像素 一般原则为： ① 接近聚类重心的像素可作为种子像素。例如，图像直方图中像素最多且处在聚类中心的像素； ② 红外图像目标检测中最亮的像素可作为种子像素； ③ 按位置要求确定种子像素； ④ 根据某种经验确定种子像素。 区域生长法的三个关键条件的确定： (2) 确定在生长过程中能将相邻像素合并进来的相似性准则。主要有： ① 当图像是彩色图像时，可以各颜色为准则，并考虑图像的连通性和邻近性； ② 待检测像素点的灰度值与已合并成的区域中所有像素点的平均灰度值满足某种相似性标准，比如灰度值差小于某个值； ③ 待检测点与已合并成的区域构成的新区域符合某个大小尺寸或形状要求等。 区域生长法的三个关键条件的确定： (3) 确定终止生长过程的条件或规则 ① 一般的停止生长准则是生长过程进行到没有满足生长准则的像素时为止； ② 其它与生长区域需要的尺寸、形状等全局特性有关的准则。 根据所用的邻域方式和相似性准则的不同，可以产生各种不同的区域扩张法： ① 单一型（像素和像素） ② 质心型（像素与区域） ③ 混合型（区域与区域） 一、简单区域扩张法 基本思路：以图像的某个像素为生长点，比较相邻 像素的特征，将特征相似的相邻像素合并为同一区 域；以合并的像素为生长点，继续重复以上的操作， 最终形成具有相似特征的像素的最大连通集合。 算法实现步骤 1）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点； 2）选择一个描述符（条件）； 3）从该种子开始向外扩张，首先把种子像素加入集合，然后不断将与集合中各个像素连通、且满足描述符的像素加入集合； 4）重复过程3）直到不再有满足条件的新结点加入集合为止。 如图给出已知种子点区域生长的一个示例。 (a)给出需要分割的图像，设已知两个种子象素(标为深浅不同的灰色方块)，现在进行区域生长 采用的判断准则是：如果所考虑的象素与种子象素灰度值差的绝对值小于某个阈值T，则将该象素包括进种子象素所在的区域 图(b)给出T=3时区域生长结果，整幅图被较好的分成2个区域 图(c)给出T=1时区域生长的结果，有些象素无法判定 图(d)给出T=6时区域生长的结果，整幅图都被分成1个区域。 简单全局阈值分割 基本思想：用前述方法获得阈值T，并产生一个二值图，区分出前景对象和背景 算法实现： 规定一个阈值T，逐行扫描图像。 凡灰度级大于T的，颜色置为255；凡灰度级小于T的，颜色置为0。 适用场合：明度图像是可以控制的情况，例如用于工业监测系统中。 分割连通区域 基本思想：用前述方法获得阈值T，并产生一个二值图，区分出单独的连通前景对象和背景区域 算法实现： 规定一个阈值T，上下左右4个方向进行逐行扫描图像 凡灰度级大于T的，颜色置为255；凡灰度级小于T的，颜色置为0。 分割连通区域 适用场合：印前等。 先左后右，先上半部分、后下半部分 基于多个变量的阈值 基本思想：把前面的方法扩展到多维空间，则寻找波谷的过程，变为寻找点簇的过程。 算法实现： 各维分量波谷之间进行逻辑与运算，从波谷重合的点，得到实际的阈值T。 应用场合：有多个分量的颜色模型，如RGB模型、CMYK模型、HSI模型 8.3 边缘检测 一、边缘的定义 图像中像素灰度有阶跃变化或屋顶变化的那些 像素的集合。 边缘的分类： 阶跃状： 边缘两边像素的灰度值明显不同； 屋顶状： 边缘处于灰度值从由小到大再到小的变化转折点处。 阶跃状 屋顶状