图象分割（ImageSegmentation）.pptVIP

2002, Ver1.0 任明武，南京理工大学计算机系 注1：对各向同性的说明 假设图像f(x,y)的所有导数都存在并且连续，那么在对f(x,y)求导数时只依赖于点(x,y)附近的一个任意小的邻域内的像素的值，因此可以将这种运算认为是位移不变运算。 为了能得到图像中间任意方向伸展的边缘，还希望对图像的某种导数运算是各向同性。可以证明偏导数的平方和是各向同性，即： 目标1错分成目标2的错误概率为： 总的错误概率为： 使E0取最小值的T即为最佳的阈值。取最小值即取一阶导数等于0时的T。假设p1(z)和p2(z)均为正态分布，得到如下结论(中间求导和解的过程忽略，可自己推导)，当p1(z)和p2(z)的方差相等时： 其中，P1和P2分别目标1和目标2所占整个图像的面积比，P1+P2=1。显然当P1=P2时，T=(u1+u2)/2。在一般情况下，同时满足 ,P1=P2是很难的。 在一般情况下，上述参数是未知的，因此需要从图像的直方图来估计它们。在两个正态分布下的混合密度函数为： 实际的直方图为h(z)，因此h(z)和p(z)的均方误差(实际值与估计值之间的误差)为： 令E取最小值，得到所需参数。 4.2.2 目标/背景最大差距法 问题来源：假定有两类目标，称之为背景和目标，定义它们之间的差距度量(差异程度的度量，常用类间的距离表示)为： 显然可以