任明武数字图象处理第4章图像分割(image segmentation)课件整理.pptVIP

2002, Ver1.0 任明武，南京理工大学计算机系 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： 显然可以看出，该方法分割效果依赖于： (1)是否真是或基本是2类目标。 (2)是否真是或接近是正态分布。 其中，W0(t)和W1(t) 分别是当阈值等于t时，目标和背景分别占的比例，显然W0(t)+W1(t)=1。 评价函数：(1)基于分割出的目标和背景之间的差距最大 即在(gmin,gmax)之间穷举t，使得diffObj