第六章 目标分割.ppt

类内方差为： 类间方差为： 参考文献：K, Fukunage, Introduction to Statisticul Pattern Recogniition. New York: Academic, 1972, pp. 260-267. 寻找使得类间方差最大的阈值 步骤1： BYTE* ptr = pimg; for (i=0; iimsize; i++) // 统计直方图 histogram[*ptr++]++; 步骤2： float prob[256], miu[256], miuT = 0; for (i=0; i256; i++) { prob[i]= (float)histogram[i] / imsize; // 各灰度级的概率 miuT += miu[i] = i * prob[i]; // 各灰度级的质量矩， } 步骤3：寻找最大类间方差 BYTE t = 0; // 阈值t float miu0 = 0, miu1, miuk = 0, wk = 0, w0, w1, sigma, sigma_max = -1; for(i=0; i256; i++) { wk += prob[i]; miuk += miu[i]; w0 = wk; w1 = 1 - wk; miu0 = miuk / w0; miu1 = (miuT - miuk) / w1; sigma = w0*w1*(miu1-miu0)*(miu1-miu0); // 寻找最大sigma值 if ( sigma = sigma_max ) { t = i; sigma_max = sigma; } } Noise free Low noise High noise 只有单峰！ 阈值分割的优点： 实现简单，当不同类的物体灰度值或者其它特征值相差很大时，它能有效地对图像进行分割。 缺点： 对于图像中不存在明显灰度差异或灰度值范围有较大重叠的图像分割问题难以得到准确的结果。 只是考虑了图像的灰度信息，而没有考虑图像的空间信息。 查阅有关人工智能的书籍，分析图有哪些信誉好的足球投注网站算法中各步骤地作用 设图像具有下图所示的灰度分布，其中p1(z)对应目标，p2(z)对应背景，若目标像素占整幅图像概率为0.5，即α=0.5，求分割目标和背景的最佳阈值。 根据最优阈值计算公式： 一幅图像背景部分均值为20，方差为400，在背景上分布着一些互不重叠的均值为200，方差为400的小目标。设所有目标合起来约占图像总面积的30%，提出一个基于取阈值的分割算法将这些目标分割出。 根据最优阈值计算公式，并假设背景和目标的概率密 度函数为高斯模型，且背景和目标的方差相等： 并非所有轮廓位置都对应于图像边缘，并非所有的边缘都是轮廓 * 梯度越大，代价值越小；梯度越小，代价值越大 * 广度优先有哪些信誉好的足球投注网站特点：完备、可获得最优解，效率低 深度优先有哪些信誉好的足球投注网站特点：难以获得最优解、效率高、不易跳出无限深分支 启发函数：启发值是当前节点到目的节点的距离信息，促使有哪些信誉好的足球投注网站向深度方向有哪些信誉好的足球投注网站 代价函数：代价值是起始节点到当前节点的距离信息，促使有哪些信誉好的足球投注网站向广度方向有哪些信誉好的足球投注网站 Ａ算法：估价函数＝启发函数＋代价函数 Ａ＊算法：启发值应小于等于实际的最优距离 * * e1(zk)的规范写法应是e1(zk|bg),即：在背景bg像素条件下错分为目标像素的概率。 e2(zk)的规范写法应是e2(zk|obj),即：在目标obj像素条件下错分为背景像素的概率。 * Why? 方差代表偏离中心的程度 * 基于轮廓的目标分割方法核心：轮廓有哪些信誉好的足球投注网站 上一讲提出的Hough变换和下一讲中的链码跟踪： 先检测局部边缘点，再连接边缘点。 轮廓有哪些信誉好的足球投注网站： 局部边缘点检测和边界连接同时完成。 是全局有哪些信誉好的足球投注网站策略（全局代价函数）。 轮廓有哪些信誉好的足球投注网站的基本思想：沿大梯度方向有哪些信誉好的足球投注网站和延伸。 最佳轮廓应是该轮廓所经过的所有像素梯度和最大。 是一种全局最优求解，而非局部最优。 一个图可表示为：　　　　 其中节点集　为像素构成 边集合　代表像素间邻域连接 边的代价为相邻像素梯度的函数 一次图割的代价为： Why？ 构建图 轮廓有哪些信誉好的足球投注网站转换为最大流最小割问题。 图有哪些信誉好的足球投注网站方法： 广度优先有哪些信誉好的足球投注网站　特点？ 深度优先有哪些信誉好的足球投注网站　特点？ 启发式：启发函数，代价函数　特点？与广度和深度　　　　　　　　　　 　　　优先有哪些信誉好的足球投注网站的联系？ Ａ算法和A*算法　特点？ 图有哪些信誉好的足球投注网站的实现采用两张存放节点的表组成： OPEN表：用于存放已经生成,且已被估计或评价过但尚未产生后继节点的那些节点,也称未考察节点。 CLOSED表:用于存放已经生成且