7_图像分割、图像分类与估计
- 格式:pdf
- 大小:1.01 MB
- 文档页数:52
遥感图像处理与分析
(七)
Remote Sensing Image
Processing
and Analysis
第七章图像处理的模式识别基础
主要内容:
基本概念
图像分割
图像的纹理特征提取
图像的分类与估计
一、基本概念
模式识别
模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、图像的和逻辑关系的等)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。
作为一门学科有其系统的理论和技术方法,随着计算机科学尤其人工智能技术的发展和应用,模式识别技术也得到了快速的发展和应用.
模式识别的步骤
主要包含两个步骤:
图像分割和特征提取:对待识别的事物,进行特征提取,这些特征可以应用一定的数学方法通过计算进行量化表示。
决策分类:确定每个物体应该归属的预定义类别,通过一个分类的过程加以实现。
模式识别举例
特征空间
定义:将图像划分为各具特性的区域并提取出感兴趣的目标的技术和过程。 理解:
检测出各个物体,并把它们的图像和其余景物分离。
在图像中检测并勾画出感兴趣物体。将图像分为不相连的区域,通常这些区域对应于物体以及物体所处的背景。
二、图像分割
图像分割
图像分割的原则
依据像元灰度值的不连续性进行分割(灰度阈值法)
依据同一区域内部像元的灰度值具有相似性进行分割,以一定准则进行像元合并(区域增长法)
图像分割的算法分类
分割灰度特性:大致可分为相似性分割和非连续性分割
分割目标特性:大致分为基于区域的方法、基于边缘的方法、区域与边缘相结合的方法
分割处理策略:可分为并行算法和串行算法 分割算法本身:分为阈值法、界线探测法、匹配法等
1、区域分割技术
阈值分割利用了图像中要提取的目标与其背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域(目标和背景)组合,确定图像中每个像素点应该属于目标还是背景区域,所以阈值分割相当于对影像进行二值化,结果分割成两类:像素灰度值大于阈值的为一类,像素灰度值小于阈值的为另一类。阈值分割算法主要有三个步骤:
确定需要的分隔阈值。
将分割阈值与像素灰度值比较来划分该像素的归类。
把像素归类,并进行标记。
利用直方图进行阈值选择
如果前景物体内部的灰度值分布比较均匀,背景灰度值的分布也比较均匀。这时影像的灰度直方图将有明显的双峰现象。当一幅影像的直方图具有双峰时,可选择两峰之间的谷底作为阈值。
a. 原始图像
b. 阈值分割的结果图像
全局阈值化
9背景的灰度值在整个图像中可合理地看作恒定。9所有物体与背景具有几乎相同的对比度。
9选择正确的阈值(简单的对象与背景)。
c选择初始的T
d用T分割图像为G1和G2, G1>T, G2≤T
e对G1和G2中所有象素计算均值μ1μ2。
f计算新的门限T=½(μ1 +μ2 )
g重复d—f,直到两次计算的T值的差小于预先给定的阈值为止
基本自适应阈值
将整个图像进行细分,分成若干子图像,对每个子图像进行统计,若方差大于某个设定值,则对该子图像单独确定阈值进行分割,对方差小于设定值的子图像合并,并确定阈值进行分割。
最佳
该算法的主要目标是确定一个阀值T ,对图像进行分类(目标与背景)并使分类出错率最小。
在区间[a,b]取值的随机变量的概率是它的PDF 在该区间的积分,因此将背景当作目标进行分类时的出错概率为
(1)
这是概率曲线P 2的下方位于门限左边区域的面积。
12()()T
E T p z dz
−∞=∫
Otsu算法
采用“影像灰度之方差加权和最小”的算法(Otsu,1979)来计算最佳阈值。
用于影像框标的自动提取。
二)区域生长法
区域生长的基本思想是将具有相似性质的像素集合起来构成区域。也就是寻找具有相似性的像素群。首先,在要进行分割的某个区域内找一个像素(种子)作为生长的初始点,然后将种子周围邻域中与种子像素有相同或相似性质的像素(按照事先确定的生长准则或形似准则来判定)合并到种子像素所在的区域中,最后将这些新合并进来的像素作为新的种子像素继续进行上面的过程,直到再没有满足条件的像素被包括进来为止,则生长结束。
下图所示给出了区域生长的一个示例:其中邻域采取4邻域方法。图中带有阴影的像素为初始的种子点。假设生长的准则是种子点与所考虑像素的灰度值之差的绝对值,当其小于或等于某个阈值时就将该像素包括到该种子所在的区域中来。
三)分裂合并法
区域生长的过程是从种子点开始的。分裂合并的方法是开始时将影像分割为一系列任意不相交的区域,然后用一定的准则将它们进行聚合或拆分,达到影像分割的目的。
四)其他区域分割方法
基于影像统计特性
---Markov随机场的图像分割 模糊增强的阈值分割
模糊聚类
2、图像的边界分割技术
通过边缘提取将图像划分为内部点集和外部点集。
利用边界具有高梯度值的性质直接找出边界。
边缘检测和连接
检测每个像素与其邻域的状态,判断是否处于一个物体的边界上即边缘检测。
用灰度级来表示符合边缘像素要求的程度时,这种图像称为边缘图像。
边缘点勾画出各个物体的轮廓,将邻近的边缘点连接起来从而产生一条闭合的连通边界的过程称为边缘连接。