图像分割若干问题的研究与应用(片兆宇).ppt

指导教师: 高立群 教授 答辩人： 片兆宇 专 业：控制理论与控制工程 基于交互式分割的轮廓检测算法 4’ 基于交互式分割的轮廓检测算法的研究 随机游走分割算法的主要步骤： 1 首先选择分割标记点； 2 然后建立连接权函数； 3 最后通过求解转移概率实现图像分割。 本文着手点 4’ 基于交互式分割的轮廓检测算法的研究 基于结构张量改进的随机游走算法 结构张量： 对 进行求解可得结构张量的特征值 ；与特 征值相对应的特征向量分别为 和 ，且 。矩阵的 特征值刻画了图像在相应向量方向上灰度变化的程度。若 二者都很小，说明该区域在两个方向上都只有微小的变化； 若二者一大一小，说明该区域在方向 上有较大变化；在 方向 上有较小的变化； 优点 具有良好的抗噪能力；不仅可以描述局部区域的方 和结构，而且还体现了特定邻域内方向的同质性 。 缺点 对于一个邻域内的任何方向，高斯函数都采用相 同尺度的滤波函数。 4’ 基于交互式分割的轮廓检测算法的研究 各向异性结构张量（用h代替g滤波）： 4’ 基于交互式分割的轮廓检测算法的研究 其中， r为空间频率，它的大小决定了滤波函数的形状。令 相差较大，区域为边缘， r1 ,滤波函数为椭圆形 。 若 相似，区域为同质区域， r≈1 ,滤波函数为近圆形状。 若 此外， 的大小决定了滤波函数的作用范围，若值 较大，说明特征值之和较小，说明该区域为结构一致的背景 区域； 相反，则说明特征值之和较大，该区域为边缘或角点 等复杂区域。 4’ 基于交互式分割的轮廓检测算法的研究 实验结果与分析 (d) 所提算法检测结果 (a) 原始图 (b) RW的分割结果 (c) DSTRW的分割结果 5 基于多特征图像显著目标识别的应用研究 5 基于多特征图像显著目标识别 的应用研究 所谓显著目标，是指人类视觉能够在短时间内将注意力 集中到能激发视觉兴趣的区域。而显著目标的提取是将图像 中的焦点目标，以区域的形式提取出来。可以说，显著目标 提取是图像区域分割的一种应用形式，而且这种应用在生物 视觉信息处理过程中有着非常重要的意义。 5 基于多特征图像显著目标识别的应用研究 算法流程 5 基于多特征图像显著目标识别的应用研究 特征提取 全局显著性特征的提取 对于图像中的显著目标来讲，其内部的纹理应具有较强的 相似性。而且，与其邻域相比差异也应较大。因此，本章 选择其来计算待检测图像的全局特征。 Gabor滤波器组 5 基于多特征图像显著目标识别的应用研究 提取步骤： 全局特征： 5 基于多特征图像显著目标识别的应用研究 局部显著性特征的提取 显著目标之所以“突兀”，是由于其特征与周围邻域相比， 存在着较大的差异，如：对比度的差异、区域的一致性等。 特征提取窗口 5 基于多特征图像显著目标识别的应用研究 显著区域定位策略： 传统方法： 改进方法： 对比 不仅考虑到目标和背景区域所保留的信息量，而且 还考虑到分割后，两个不同区域间的相关性 。 5 基于多特征图像显著目标识别的应用研究 实验结果与分析 (g) 所提算法检测结果 (a) 原始图 (b) FJ 特征图 (c) FV 特征图 (d) FS特征图 (e)分割后特征 (f)最大连通特征 (h)Itti’s算法检测的结果 6 基于复合特征车牌定位的应用研究 6 基于复合特征车牌定位 的应用研究 车牌自动识别系统，作为智能交通系统的重要组成。在交通 监管中有着十分广泛地应用。一个完整的车牌识别系统主要 包括车牌定位、字符切分以及字符识别三个部分。车牌定位 操作作为车牌识别系统的首个处理步骤，对车牌识别起着至 关重要的作用，它的好坏将直接影响到整个系统的识别率。 6 基于复合特征车牌定位的应用研究 算法流程 RGB转换到HSI 提取垂直边缘 获取候选区域 提出车牌特征 获得候选区域信息 SOM实现精确定位 粗定位 精确定位 6 基于复合特征车牌定位的应用研究 车牌图像预处理 1 彩色空间的转换： RGB彩色空间受光照条件制约严重；H和S两个分量包含 了图像的色彩信息，不受光照影响，而亮度分量I则体现 了无色强度的概念(灰度)，保留了像素间的对比度关系。 2 图像增强： 采用灰度拉伸的变换方法对图像进行增强： 6 基于复合特征车牌定位的应用研究 候选区域的确定： 1 垂直差