第六章_遥感图像分割培训讲解.pptVIP

拉普拉斯算子是无方向性的算子，它比前述计算多个方向导数算子的计算量要小，因为只需用一个模板，且不必综合各模板的值。 在数字图像中，计算函数的拉普拉斯也可以借助各种模板卷积实现。这里对模板的基本要求是对应中心象素的系数应是正的，而对应中心象素邻近象素的系数应是负的，且所有系数的和应为0，这样就不会产生灰度偏移 -1 -1 -1 -1 4 -1 -1 -1 -1 4 -1 -1 -1 -1 -1 -1 -1 -1 8 在数字图像情况下的近似为： 第七章 遥感图像分割 对于给定的一幅含有多个物体的数字图像，模式识别的过程由三个阶段组成，如图所示 图像分割 特征抽取 输入图像 物体图像 特征矢量 分类 物体类型 “Bar” 检测出各种物体，并把他们的图像和其余景物分离 对物体进行度量，即对物体进行定量分析估计 输出仅仅是一种决策，确定每个物体应该归属的类别 图像分割介绍 定义 将图像分成各具特性的区域，并提取出感兴趣目标的技术和过程 灰度、颜色、纹理 对应单个区域和多个区域 图像处理过渡到图像分析的关键步骤，也是一种基本的计算机视觉技术 借助集合概念进行正式的定义： 令R代表整个图像区域，对R的分割可看做将R分成若干个满足以下条件的非空子集(子区域)R1,R2,R3…Rn (1) ∪i=1nRi=R 分割所得到的全部子区域的总和(并集)应能包括图像中所有象素，或者说分割应将图像中的每个象素都分进某1个子区域中 (2) 对所有的i和j，i≠j，有Ri∩Rj=φ 各个子区域是互不重叠的，或者说1个象素不能同时属于2各区域 (3) i=1,2…n,有P(Ri)=TRUE 在分割后得到的属于同1个区域中的象素应该具有某些相同特性 (4) 对i≠j,有P(Ri∪Rj)=FALSE 在分割后得到的属于不同区域中的象素应该具有一些不同的特性 (5) 对i=1,2…n,Ri是连通的区域 要求同1个子区域内的象素应当是连通的 分割准则应可适用于所有区域和象素 分割准则应能帮助确定各区域象素有代表性的特性 基于阈值的分割－通过阈值对不同物体进行分割 基于边缘的分割－先确定边缘象素，并把它们连接在一起，以构成所需的边界 基于区域的分割－把各象素划归到各个物体或区域中 图像分割方法分类 基于阈值的分割 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应该属于目标还是背景区域，从而产生相应的二值图像 可以大量压缩数据，减少存储容量，而且能大大简化其后的分析和处理步骤 由此可见，阈值化分割算法主要有两个步骤： 1、确定需要的分割阈值 2、将分割阈值与象素值比较以划分象素 在利用阈值方法来分割灰度图像时一般都对图像有一定的假设。基于一定的图像模型的。 最常用的模型： 假设图像由具有单峰灰度分布的目标和背景组成，处于目标或背景内部相邻象素间的灰度值是高度相关的，但处于目标和背景交界处两边的象素在灰度值上有很大的差别。 如果一幅图像满足这些条件，它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合构成的。 直方图阈值分割 简单直方图分割法 最佳阈值 Z1 Zi Zt Zj Zk 暗 亮 P B1 B2 背景 目标 60年代中期，Prewitt提出了直方图双峰法，即如果灰度级直方图呈明显的双峰状，则选取两峰之间的谷底所对应的灰度级作为阈值。 注意：应用灰度直方图双峰法来分割图像，也需要一定的图像先验知识，因为同一个直方图可以对应若干个不同的图像，直方图只表明图像中各个灰度级上有多少个象素，并不描述这些象素的任何位置信息。 该方法不适合直方图中双峰差别很大或双峰间的谷比较宽广而平坦的图像，以及单峰直方图的情况。 70年代初，研究工作集中在直方图变换，但无论是直方图还是直方图变换法都仅仅考虑了直方图灰度信息而忽略了图像的空间信息 最佳阈值 所谓最佳阈值是指图像中目标物与背景的分割错误最小的阈值 设一幅图像只有目标物和背景组成，已知其灰度级分布概率密度分布为P1(Z)和P2(Z)，且已知目标物象素占全图象素数比为θ，因此，该图像总的灰度级概率密度分布P(Z)可用下式表示： P(Z)= θP1(Z)+(1-θ)P2(Z) 假定阈值为Z，认为图像由亮背景上的暗物体所组成，即灰度小于Z的位目标物，大于Z的为背景 P1(Z) P2(Z) Zt 目标物 背景 如图所示，如选定Zt为分割阈值，则将背景象素错认为是目标物象素的概率为： E1(Zt)=∫-∞ZtP2(Z)dZ E2(Zt)=∫zt ∞ P1(Z)dZ 将目标物象素错认为是背景象素的概率为： 因此，总的错误概率E(Z)为： E(Zt)=(1-θ)E1(Zt)+