1 / 16

基于 Potts 模型的图象分割

基于 Potts 模型的图象分割. 王祥荣 计算机科学与技术研究所. 提纲. Potts 模型 采用 Swendsen-Wang 方法的图象分割算法 基于能量的聚类更新分割算法 算法的改进 实验结果. Potts 模型. 是一个晶格阵列 阵列中的每个点的状态都从状态集 {0,1,2,3, … ,q} 中取得 每个点的状态取决于其邻域点的状态. Potts 模型的图象分割算法 . 将图象看作一个象素阵列 象素的标号 , 代表为 Potts 模型的状态 将图象分割问题转化为求解系统最优化的问题 引入能量函数 , 将问题转化为能量的最小化问题.

adsila
Download Presentation

基于 Potts 模型的图象分割

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 基于Potts 模型的图象分割 王祥荣 计算机科学与技术研究所

  2. 提纲 • Potts模型 • 采用Swendsen-Wang方法的图象分割算法 • 基于能量的聚类更新分割算法 • 算法的改进 • 实验结果

  3. Potts 模型 • 是一个晶格阵列 • 阵列中的每个点的状态都从状态集{0,1,2,3,…,q}中取得 • 每个点的状态取决于其邻域点的状态

  4. Potts 模型的图象分割算法 • 将图象看作一个象素阵列 • 象素的标号,代表为Potts模型的状态 • 将图象分割问题转化为求解系统最优化的问题 • 引入能量函数,将问题转化为能量的最小化问题

  5. Potts 模型的图象分割算法

  6. SW算法的图象分割 • Potts模型用于图象分割的缺点:收敛慢,很难实际应用. • Swendsen-Wang算法:将单个象素合并成象素块,再进行迭代求解 • 象素块的能量定义:

  7. SW算法图示

  8. SW算法的图象分割 • 初始化:给每个象素点随机标定状态值. • 每对相邻象素点间的连接记为Edge(i),i=1,2,…,n,若两象素的状态标号相同,则计算Edge(i)的能量E,并计算概率p(i),连接以概率p(i)冻结,以1-p(i)裂开,若本次连接被冻结,则bond加1,若断开,则split加1.计算pr=bond/(bond+split),若pr>0.5,则Edge冻结,否则,Edge断开. • 冻结的Edge(j) 连通的象素集形成象素块记为C(i),i=1,2,…k,也称一个连通分量,按概率选择一个连通分量C(l),计算C(l)所在状态的能量,并以概率决定其内的象素状态更新,C(l)内的所有象素取相同状态.

  9. 基于能量的聚类更新分割算法 • 吸取SW算法中,一个连通分量内象素状态同时更新的优点,并提高了分割速度. • 步骤1:象素聚类.将相同状态的相邻象素按概率p(ij)聚类.

  10. 基于能量的聚类更新分割算法 • 步骤2:状态更新.选择一个聚类C(l),计算其在各种状态下的能量,按Metropolis方法进行状态更新.

  11. 基于能量的聚类更新分割算法 • 初始化:给每个象素点随机标定状态值 • 聚类:若两个相邻象素i,j不属于任何一个聚类,则i,j以概率p(ij)聚合,形成一个新的聚类;若其中一个象素i已经属于某个聚类,则j以概率p(ij)聚合到i所在的聚类;若i,j属于不同的聚类,则这两个聚类以p(ij)合并. • 状态更新:按概率选择一个聚类C(l),计算其在各个状态下的能量值,按能量大小确定各种状态的概率,从而决定状态的更新.

  12. 算法的改进 • 采用meanshift滤波对图象预处理,消除噪声对分割过程的影响 • 在分割完成时,形成聚类C(i),i=1,2,…,k, 若聚类C(i)内的象素个数与其相邻聚类C(j)的象素个数之比小于某个常数,则将C(i)和C(j)合并.

  13. 结果

  14. 结果

More Related