DIP-8图像分割和识别.ppt

边缘检测 边缘检测是所有基于边界分割方法的第一步（利用灰度值不连续性） 几种边缘 阶梯状 脉冲状 屋顶状 微分算子 梯度算子 拉普拉斯算子 微分算子 综合正交算子 边界闭合 提出原因： 由噪音时，各种算子得到的边缘像素常是孤立的或分小段连续的，需要连接起来。 可连接的条件： 梯度的幅度 梯度的方向 常用模板 点目标模板 线目标模板 边缘模板 小波变换 特征选择 为什么要进行特征选择 1、维数灾难 2、进一步提取特征 常用特征选择方法 PCA（主成分分析） LDA（线性判别分析） ICA（独立成分分析） KPCA（核主成分分析） KDA（广义线性判别分析）等 特征选择 主成分分析（Principal Components Analysis，即PCA，也称作K-L变换），是图像压缩中的一种最优正交变换 特点： 1、将数据投影到方差最大的方向 2、各个主成分之间是正交的 特征选择 特征选择 特征选择 特征选择 特征选择 特征选择 特征选择 特征选择 谢谢 7.2 图象识别 图像特征提取和识别 特征提取方法 Gabor变换、小波变换 特征选择方法 PCA方法、LDA方法 Gabor变换 傅里叶变换的缺点 正交基是正弦函数，所以它要求所分析的信号必须在整个实轴上都有意义 只能反映信号在实轴上的整体性质，而不能反应信号在局部时间范围中的特征 Gabor变换——加窗傅里叶变换 多方向 多尺度 Gabor变换 Gabor核函数（Gabor滤波器） 高斯窗函数与傅里叶核的乘积 8个方向5个尺度 Gabor变换 Gabor滤波 卷积公式 快速傅里叶变换辅助卷积 Gabor变换 Gabor滤波结果 某尺度下8个方向的滤波结果 Gabor变换 Gabor滤波特点 1、Gabor滤波器为高频滤波器 2、得到的特征维数高 3、运算量大 小波变换 小波变换是空间（时间）和频率的局部变换，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多困难问题，被誉为“数学显微镜”。 小波变换 小波基是从同一个母小波平移缩放得到的 小波变换 小波基 小波函数 尺度函数 MATLAB里可以通过wfilters函数得到滤波器系数 常用小波基：Daubechies 系列、Symlet 系列、biorN 系列等 高通滤波器 低通滤波器 小波变换 二维小波分解算法 J为分解层数，h，v，d分别表示水平、垂直和对角分量 小波变换 一次小波分解结果 PCA示意图 PCA的实现 1、求协方差矩阵 2、特征值分解 3、挑选主成分 4、投影 PCA与最小二乘法？ PCA的缺点 1、线性方法，不适合非线性分类问题 2、基于特征值的求解，计算量可能比较大 3、无监督的学习，不区分类内差异和类间差异 线性判别分析（Linear Discriminant Analysis） 源于R.A.Fisher（1936年）的经典论文 投影后的模式样本的类间离散度最大而类内离散度最小 Fisher判别准则 拉格朗日乘数法 例子 LDA的特点 1、有监督的学习 2、线性方法，不适合非线性分类问题 3、需要求逆，会遇到小样本问题（输入样本的维数远大于样本的个数，类内离散度矩阵不可逆 ） KPCA和KDA 基于核映射的非线性方法 原始特征 PCA LDA KPCA KDA * 数字图像处理Digital Image Processing 郗 润 平 办 公 室: 计算机学院217室 电子邮件: xirunping@126.com 电 话: 029课程内容安排 第一部分：数字图像基础 数字图像处理概述 数字图像基础知识 数字图像处理基本方法与变换基础 第二部分：数字图像处理重要内容 图像的增强 图像的复原 图像的编码与压缩 图像分割与识别 形态学图像处理 第七讲 图象分割和识别 图象获取 图像处理 图像分割 分析理解 解释或描述 统计 结构匹配 变换 增强 去噪 均衡 复原 压缩 特征抽取 图像理解 图像识别 图像分析 光电变换 数字化 可见光 红外 紫外 X射线 SAR … … 空域特征 变换域特征 边缘和边界 形状特征 矩特征 纹理特征 模板匹配 阈值 边界检测 聚类 四叉树 纹理匹配 7.1 图象分割 图像分割 (Image Segmentation) 所谓图像分割就是按一定的规则将图像划分成若干有意义的区域，在图像中提取感兴趣的目标（前景），以便于进一步的分析。 即各区域的并集是整个图像，各区域的交集为空。 7.1 图象分割 图象分割 不连续性检测 灰度相似性 检测： 孤立点 组成线 组成边界 阈值分割 模板匹配 区域生长 区域分裂与合并