北理工贾云德《计算机视觉》第四章-区域分析

ComputerVisionDepartmentofComputerScience@BIT第四章区域分析Chapter4RegionAnalysisComputerVisionDepartmentofComputerScience@BIT1区域和边缘（RegionandEdge）如何精确解释一幅图像？区域:相互连结的具有相似特性的一组像素边缘：区域边界上的像素(pixel)ComputerVisionDepartmentofComputerScience@BIT（a）原始室外场景图像（b）图像分割结果树木道路标志天空建筑草地车辆地面道路（c）标注结果ComputerVisionDepartmentofComputerScience@BIT2分割的定义(segmentation)图像分割最简形式:把灰度图(grayimage)转换成二值图已知一幅图像像素集I和一个一致性谓词)(⋅P，求图像I表示成n个区域iR集合的一种划分：IRnii==U1一致性谓词和图像划分具有如下特性，即任何区域满足如下谓词：True)(=iRP任何两个相邻区域不能合并成单一区域，必满足谓词：False)(=jiRRPU一致性谓词)(⋅P定义了在区域iR上的所有点与区域模型的相似程度．ComputerVisionDepartmentofComputerScience@BIT讨论：•基于区域的分割•基于边缘检测的分割理论上，区域分割和边缘检测应该产生相同的结果ComputerVisionDepartmentofComputerScience@BIT3自动阈值化法(auto-threshold)直方图histogramComputerVisionDepartmentofComputerScience@BIT•简单阈值化方法的问题ComputerVisionDepartmentofComputerScience@BIT•自动阈值化方法基于场景中的物体、环境和应用域等知识：对应于物体的图像灰度特性，物体的尺寸，物体在图像中所占比例，图像中不同类型物体的数量ComputerVisionDepartmentofComputerScience@BIT(1)模态方法(mode)图像中的物体、背景各具有一灰度值，图像被零均值高斯噪声污染，灰度分布曲线是由两个正态分布函数叠加而成．图像直方图将会出现两个分离的峰值，阈值选取波谷最佳。具有不同灰度均值的多物体图像中．背景和物体灰度值正态分布参数为：ComputerVisionDepartmentofComputerScience@BIT(2)迭代式阈值选择算法4.1迭代式阈值选择算法1.选一初始阈值，如:灰度均值2.利用阈值把图像分割成两组，R1和R23.计算区域R1和R2的均值v1、v24.选择新的阈值T=(v1+v2)/25.重复2－4步，直到v1和v2的均值不再变化为止阈值的改进策略是这一方法的关键ComputerVisionDepartmentofComputerScience@BIT(3)自适应阈值化方法•场景照明不均匀时，一个阈值？•把图像分成NXN个子图像，求出子图像的阈值。分割的最后结果是所有子图像割的逻辑并。ComputerVisionDepartmentofComputerScience@BIT(4)变量阈值化方法ComputerVisionDepartmentofComputerScience@BIT（5）直方图方法的局限性＃恒定灰度值＃没有利用图像强度的空间信息例如，用直方图无法区分黑白棋格图像ComputerVisionDepartmentofComputerScience@BIT4区域表示(regionrepresentation)可表示成封闭轮廓；三类型：阵列表示，层级表示，基于特征的区域表示。ComputerVisionDepartmentofComputerScience@BIT4.1阵列表示4.2层级表示低分辨率上粗计算，高分辨率上精细计算（浏览）(1)金字塔型顶层或0层，图像为单一像素；而底层则是原始图像或未被递减的图像．每层的一个像素表示下层几个像素的合成信息．ComputerVisionDepartmentofComputerScience@BITNXNNXN22X2X211是最好的表示方式？是最好的表示方式？ComputerVisionDepartmentofComputerScience@BIT(2)四叉树型(quarter-tree)三种节点：白、黑和灰度．四叉树是通过不断地分裂图像得到的．一个区域可分裂成大小一样的四个子区域.子区域继续分裂….，结果？树结构中的每一个节点或是树叶，或包含四个子节点．ComputerVisionDepartmentofComputerScience@BITComputerVisionDepartmentofComputerScience@BIT4.3基于特征的区域表示(feature-based)区域可用特征表示．常用特征：最小外接矩形、中心矩、欧拉数、灰度均值、方差等．相邻区域的相互位置关系也可作为特征。区域用边缘表示，另外讨论。ComputerVisionDepartmentofComputerScience@BIT4．4图像分割数据结构区域邻接图区域邻接图（regionadjacencygraphs,RAG）表示图像中区域与区域之间的关系，区域的不同特性可以存贮在不同的节点数据结构中．RAG中的节点表示区域，节点之间的弧线表示区域的公共边界．ComputerVisionDepartmentofComputerScience@BIT5分裂与合并(splitandmerge)图象分割后，会产生许多区域，真？假？使用分裂和合并的组合算法可以实现自动细化分割运算．ComputerVisionDepartmentofComputerScience@BITComputerVisionDepartmentofComputerScience@BIT邻接区域相似性的两种评价方法•几何代数法：比较它们的灰度均值这一方法的改进形式是使用曲面拟合方法，以便确定是否存在一个曲面来逼近区域．•统计法：用假设－检验方法来评判邻接区域的相似性假设灰度值服从概率分布，根据相邻区域是否具有相同的概率分布函数考虑是否合并它们。5．1区域合并合并运算就是把相似的邻接区域组合起来．ComputerVisionDepartmentofComputerScience@BIT统计意义下的区域合并统计意义下的区域合并((statisticalmerging):statisticalmerging):假定两个相邻区域R1和R2分别包含有m1，m2个点,有两种可能的假设：0H：两个区域属于同一物体．在这种情况下，两个区域的灰度值都服从单一高斯分布),(200σµ．1H:属于不同物体的区域．在这种情况下，每一个区域的灰度值服从不同的高斯分布),(),(222211σµσµ和．ComputerVisionDepartmentofComputerScience@BIT2)(02)(012)(1002121212021120212120202121)2(1.)2(121),(),,,(mmmmgmmmmigmmiimmeeeHgpHgggpmmiii+−+−−++=−−+=+====⋅⋅⋅∑+=∏∏σπσπσπσµσµ2221112122112111)2(1)2(1)|,,,,,,(mmmmmmmmeeHgggggp−−++=⋅⋅⋅⋅⋅⋅σπσπHH00下：下：HH11下：下：2121210021121.)|,,,()|,,,(mmmmHggpHggpLσσσ⋅=⋅⋅⋅⋅⋅⋅=+似然比：似然比：似然比低于某一阈值，说明这两个区域可以合并为一个区域．ComputerVisionDepartmentofComputerScience@BIT5.2区域分裂如果区域的某些特性不是恒定的，则区域应该分裂．基于分裂方法的图像分割过程是从最大的区域开始，多数情况下常把整个图像作为起始分裂的图像算法4.5区域分裂算法1.形成初始区域2.对图像的每一个区域，连续执行下面两步：（a）计算区域灰度值方差（b）如果方差值大于某一阈值，则沿着某一合适的边界分裂区域．ComputerVisionDepartmentofComputerScience@BIT分裂和合并运算可以同时进行，也就是说，用阈值化方法预分割后，连续进行分裂和合并，最后得到图像的精确分割．分裂和合并组合算法对分割复杂的场景图像十分有用．引入应用域知识，可提高分裂和合并算法的有效性5.3分裂和合并ComputerVisionDepartmentofComputerScience@BIT6区域增长基本思路：图像可以划分成区域，而区域可以用简单函数模型化．寻找初始区域核，并从区域核开始，逐渐增长核区域，形成满足一定约束的较大的区域．一致性谓词:基于区域灰度平面或二次曲面函数拟合.通常,一致性谓词是基于图像区域的特征:平均强度、方差、纹理和颜色等.ComputerVisionDepartmentofComputerScience@BIT平面和二次曲面模型是一些基函数的线性组合，其中基函数包含了各阶双变量多项式．模型可以表示为：∑≤+=mjiiiijyxamayxf),,,(致性谓词是基于区域中点与区域模型之间的距离：∑∈=RycmayxdmaR,22),,,(),,(χ距离是通常的欧几里德距离：.)],,,(),([),,,(22mayxfyxgmayxd−=（误差函数）（误差函数）已知点集R，求解模型的阶数m和模型参数a使得误差函数χ2(,,)Ram最小．实际上这是一个最小二乘法问题，可以通过奇异值分解求解．ComputerVisionDepartmentofComputerScience@BIT算法4.7基于平面和二次曲面模型的区域增长注意：1.局外点2.初始核