1 / 73

第八章 图像分析

图像处理重要任务 — 图像景物的分析与理解. 第八章 图像分析. 把图像分割成不同的区域； 找出分开的各区域的特征； 识别图像中要找的目标，或对图像中不同的特征进行分类； 对于不同区域进行描述；或相关区域连接起来组成有意义的结构；. 图像分割. 特征提取. 识别、分类. 分析、描述和解释. 模式识别与图像处理系统 图像分割 形态学图像处理 特征提取 区域描述 识别与分类. 草莓. 柠檬. 苹果. 模式. 樱桃. 香蕉. 葡萄. 模式识别过程. 柠檬. 香蕉. 草莓. 葡萄. 樱桃. 苹果. 苹果. 樱桃. 柠檬.

crevan
Download Presentation

第八章 图像分析

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. 图像处理重要任务— 图像景物的分析与理解 第八章 图像分析 • 把图像分割成不同的区域； • 找出分开的各区域的特征； • 识别图像中要找的目标，或对图像中不同的特征进行分类； • 对于不同区域进行描述；或相关区域连接起来组成有意义的结构； 图像分割 特征提取 识别、分类 分析、描述和解释

  2. 模式识别与图像处理系统 • 图像分割 • 形态学图像处理 • 特征提取 • 区域描述 • 识别与分类

  3. 草莓 柠檬 苹果 模式 樱桃 香蕉 葡萄

  4. 模式识别过程 柠檬 香蕉 草莓 葡萄 樱桃 苹果

  5. 苹果 樱桃 柠檬 葡萄 CCD/TV 模式识别示例

  6. 苹果 樱桃 柠檬 葡萄 CCD/TV

  7. 苹果 樱桃 柠檬 葡萄 CCD/TV

  8. 苹果 樱桃 柠檬 葡萄 CCD/TV

  9. 苹果 樱桃 柠檬 葡萄 CCD/TV

  10. 苹果 樱桃 柠檬 葡萄 CCD/TV

  11. 图像处理系统 苹果 樱桃 柠檬 葡萄 特征 红色程度 直径 分类系统 模式识别示例 CCD/TV

  12. 输入图像 图像分割 物体图像 特征提取 特征向量 物体类型 分类 模式识别过程与实现 • 物体检测器设计 • 特征提取 • 分类器设计 • 分类器训练 • 性能评估

  13. 分类与结构分析 图像 图像识别 图像 图像 图像处理 图像理解 说明复杂图像组成 图像 描述和理解 图像处理系统 象素连通集 连通集中的任意两个象素之间，存在一条完全由该集合的元素构成的连通路径 数字图像划分成互不相交区域的过程 分割

  14. 模式识别与图像处理系统 • 图像分割 • 形态学图像处理 • 特征提取 • 区域描述 • 识别与分类 图像分割 • 门限分割技术 • 基于边缘分割技术 • 基于区域分割技术 • 轮廓跟踪

  15. 图像处理系统 • 实例

  16. 图像分割 技术 • 基于点相关：依据各个象素灰度的不连续性进行分割 • 基于区域相关：依据同一区域具有相似的灰度特征或组织特征，寻求不同区域的边界 方法 • 基于直方图 • 基于边缘 • 基于区域 • 基于边缘与区域

  17. 点相关分割技术 • 门限方法- 选择合适的门限将目标从背景中分割出来 • 边缘检测- 先确定目标边缘轮廓象素再把它们连接在一起以构成所需的边界 • 跟踪方法- 利用前期处理过的点的信息，判断图像当前处理点是否为目标点，再进行跟踪运算

  18. 门限分割技术 • 从背景中检出对象的门限法

  19. 门限分割技术 • 半门限法 • 二值图像 • 保留图像，背景变白或暗

  20. 计算图像的直方图，在直方图中找出二个局部极大值以及它们之间的极小值计算图像的直方图，在直方图中找出二个局部极大值以及它们之间的极小值 门限分割技术 最佳门限的选择 • 已知被处理二值图灰度分布的概率，可用试探方法 • 双极模型的直方图，选取谷底对应的灰度为门限 T • 二次曲线拟合参差不齐的直方图的谷底部分 y=ax2+bx+c • 高斯曲线拟合高峰，取二曲线交点为谷底 • 众数法 (J.M.S. Prewitt, et al., 1966, Ann. New York Acad. Sci.)

  21. 门限分割技术 最佳门限的选择  双极模型的直方图，选取谷底对应的灰度为门限 目标边界两侧的灰度值有明显的差异，取边界两侧的灰度值的谷底为门限。 • 计算每个象素点梯度模（增强边缘） • 转梯度图为二值图 • 将二值图与原图相乘，得到新图 • 取新图直方图双峰中的谷底所对应的灰度值为最佳门限

  22. 门限分割技术 最佳门限的选择  双极模型的直方图，选取谷底对应的灰度为门限 最小误差门限法 求使类间方差(分离度)最大的t 阈值 图像由目标与背景组成，目标点占图像的，背景则为1- S_任一图像点为目标事件；B_任一图像点为背景事件；P(S)= , P(B)=1-  目标和背景的概率分布密度为高斯分布p(z)和q(z), 则图像的灰度概率分布密度为 d(z)= p(z)+(1- )q(z) 图像的数学期望和方差为 E= ms+(1- )mB 2=  2s+(1- ) 2B+ (1- ) (ms-mB)2

  23. 门限分割技术 最佳门限的选择  双极模型的直方图，选取谷底对应的灰度为门限 最小误差门限法 选取门限 t ，假定 灰度<t时，图像点为目标；灰度>=t时，图像点为背景 背景点错当目标的概率为 目标点错当背景的概率为 任取一图像点被误分的全概率为 P(Error)=P(S) Ps (error) +P(B) PB (error)=[1-P(t)]+(1-)Q(t) 令 所求的门限是最佳门限T • Otsu法（N. Otsu, 1979, IEEE SMC）

  24. 门限分割技术 • 全局阈值方法 大量实验表明，基于简单的统计量方法往往可以获得较好的分割结果;而基于熵的方法应用于有噪声图象时结果一般较差。 分割方法的评估参数－一致性U(t)与形状测量S(t) • 局部阈值方法 将图象分块，分别用全局阈值方法分割,最后再综合。

  25. 门限分割技术文献综述   最小误差门限法  熵门限法  

  26. 差分运算_ f(i,j)=x f(i,j)cos+y f(i,j)sin • 测量差分方向灰度级变化的有方向性的运算 • 梯度运算_ Roberts，Sobel，Prewitt, Kirsch • 拉普拉斯运算_2 f(i,j) • 方向模板与统计模板 p204 • 最佳曲面拟合 p206 • 纹理检测－空间灰度层共生矩阵，Markov模型，Fractal模型 边缘检测 边缘检测技术  先检测每个象素和其直接邻域的象素是否处于区域的边界

  27. 边缘检测技术 • 经典主动边缘模型 （M. Kass, et al, 1988） • 测地线主动边缘模型 （V. Caselles, et al, ICCV, 1995） • 水平集方法（1996）

  28. 边缘连接 启发式连接 曲线拟合 Hough 变换 边缘检测技术 边缘连接 再将邻近的边缘点连接起来产生一条闭合的连通边界

  29. 边缘检测技术 启发式连接 • 边缘检测 • 细化取门限 • 连接和线近似 门限后边缘图 细化门限后边缘图 边缘图 直线结果图 • 启发式连接( R. Neviata, 1980, CGIP 13 )

  30. 边缘检测技术 Hough 变换－线检测技术 • 在合适的最大值，最小值间建立离散参数空间 • 建立一个累加器A(,) • 对梯度图上超过门限值的每一点作Hough变换 • 找出对应图像平面共线点的累加器的局部极大值，即提供了图像平面共线点的参数 广义Hough 变换－曲线检测

  31. 线目标 点目标 边缘目标 基于区域相关分割技术 模板匹配

  32. 8 7 7 基于区域相关分割技术 区域增长 把图像分成许多小区域，这些初始的区域可能单个象素。在每个区域中，对经过适当定义的能反映一个物体内隶属度的性质进行计算。 区域灰度平均值8.25 区域灰度平均值8 选择区域增长门限为1

  33. 基于区域相关分割技术 区域增长 把图像分成许多小区域，这些初始的区域可能单个象素。在每个区域中，对经过适当定义的能反映一个物体内隶属度的性质进行计算。

  34. 基于区域相关分割技术 R 区域分裂与合并 R1 R2 R3 R4 R1 R2 R41 R42 R43 R44 R41 R42 R3 R44 R43

  35. 线目标 点目标 边缘目标 基于区域相关分割技术 模板匹配

  36. 基于区域相关分割技术 区域增长 把图像分成许多小区域，这些初始的区域可能单个象素。在每个区域中，对经过适当定义的能反映一个物体内隶属度的性质进行计算。

  37. 跟踪技术 边界跟踪- 从梯度幅值图像着手，把灰度值最高点作为跟踪的起点。搜索以边界起始点为中心的33邻域，找出最大灰度值为第二个边界点。从这一点起，启动一个在给定当前点和前一个边界点的条件下寻找下一个边界点的迭代过程。

  38. 跟踪技术 • 轮廓跟踪- 靠近边缘任取一起始点 A • 每次只前进一步，步距为一个象素 • 当由白区进入黑区，各步向左转直到走出黑区 • 当由黑区进入白区，各步向右转直到走出白区 • 重复步，将会围绕目标一周后，回到起始点，完成轮廓跟踪 左上方 爬虫法 局部干扰 陷阱干扰 右下方

  39. 模式识别与图像处理系统 • 图像分割 • 形态学图像处理 • 特征提取 • 区域描述 • 识别与分类 形态学图像处理 腐蚀与膨胀 开运算与闭运算 细化与粗化

  40. 形态学图像处理

  41. 二值图像的逻辑运算

  42. 膨胀 dilation

  43. 形态学膨胀应用

  44. 腐蚀 erosion

  45. 形态学腐蚀应用

  46. 开操作与闭操作 轮廓光滑 开：断开狭窄的间断和消除细的突出物 闭：消弥狭窄的间断和长细的鸿沟，消除小的孔洞，填补轮廓线的断裂

  47. 开操作与闭操作

  48. 开操作与闭操作应用

  49. 形态学算法－边界提取

More Related