第4章 图象分割课件.pptVIP

region splitting region splitting is the opposite of region meiging, and being with the whole image represented as a single region which does not usually satisfy condition(5.31,5.32 and 5.33); Methods: cluster, pixel classification Splitting and merging Basic notion A method with the advantage of both; Operate in pyramid image representation; Corresponds to removing or building parts of the segmentation quadtree; The number of leaf nodes of the tree corresponds to the number of segmented regions. 2 分裂与合并算法 四 人脸定位 基于皮肤颜色的人脸定位 皮肤区域提取 皮肤侯选区域的确认 皮肤颜色模型 标准化颜色空间 训练样本的平滑处理 皮肤颜色的分布可以用一个Gaussian模板N（m，C）来表示，其中 皮肤分割 将检测图象转化为标准化的(r,b); 求出概率图象： 进行二值化处理； 脸部后选区域可以通过连通域的Euler数来减少，其依据就是脸部区域内部应该至少有一个空洞。 连通域的中心、面积、角度 面积A就是连通域的像素数； 模板匹配 * 描述物体的边界，链码中的符号一般对应于图象基元的邻接关系。如下图所示。链码可以用静态数据结构来表示，如1维数组，取其大小为链码的最大可能长度；也可以用动态数据结构来表示，且这样在节省存储空间方面更合适。((x0,y0),a0a1a2a3……) BioID Asia-Pacific (c), Page * Digital Image Analysis Image Segmentation Zhang Xingming The School of Computer Science and Engineering 第四章 图象分割 What is the segmentation? Why? How? Object_based categories Complete Segmentation: which results in a set of disjoint regions corresponding uniquely with objects in the input image; Partial Segmentation: in which regions do not correspond directly with image objects; Feature_based categories Global knowlesge; Edge_based; Region_based; 图象分割就是把图象分成一些有意义的区域，可以以逐个像素为基础去研究图象分割，也可以利用在规划领域中的某些信息去分割。图象分割具有以下特点： 1）均匀性； 2）连通性； 3）边缘完整性； 4）反差性 上述特点是指导图象分割的基本出发点，其中区域内部特性的均匀性是最重要的准则之一。 一、基于聚类的分割 右图的三个特征集合（聚类） 每个聚类在特征上具有相似性 特征空间的维度可以比较高. 如何获得像素的K维特征向量 三个颜色分量； 强度值； 相近颜色的直方图； 使用邻域的LOG 滤波器的值； 使用邻域的FFT； 平均值、方差等 K-means聚类 需要事先设定聚类个数 k， 聚类C1, C2, …, Ck； 使用最小平方误差来进行判别； 可以使用一定的方法来找到最佳的聚类数 K-means results Ohlander递归直方图聚类 计算直方图 简单直方图聚类，发现一些聚类模式 对每个模式进行二值化； 使用连通域标记和形态学形成完整的区域作为模板 将模板压入堆栈 Ohlander’s algorithm 二 门限（Thresholding） Global Thresholding Adaptive Thresholding T 3 Multiple Thersholding Thresholding Detection Methods Histogram Shap Analysis: pixels of objects form one of