第七章 图象分割技术4.ppt

* * 7.8 空间聚类 阈值分割概念的推广 特征值对应特征空间点 直方图 像素灰度为特征 灰度-梯度散射图 像素灰度和梯度为特征 分割：像素分类 特征空间聚类（取阈值是1-D聚类） 高维空间聚类（分类能力较强） 7.8 空间聚类 1.K-均值聚类——将特征点赋给均值离它最近的类 聚类方法 将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 (1)任意选K个初始类均值 (2) 特征点赋类 (3) 更新类均值 (4) 判断算法收敛 1.K-均值聚类——将特征点赋给均值离它最近的类 * * ISODATA聚类 迭代的方法 调整聚类模式的平均值 聚类方法 * * 区域生长 串行区域类 基本思想： 将相似象素结合起来构成区域 基本步骤： (1) 选择区域的种子象素 (2) 确定将相邻象素包括进来的准则 (3) 制定生长停止的规则 7.9 区域生长 ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● R1 R5 R4 R3 R2 7.9 区域生长 如图给出已知种子点 区域生长的一个示例。 1 0 4 7 5 1 0 4 7 7 0 1 5 5 5 2 0 5 6 5 2 2 5 6 4 1 1 5 5 5 1 1 5 5 5 1 1 5 5 5 1 1 5 5 5 1 1 5 5 5 1 1 5 7 5 1 1 5 7 7 1 1 5 5 5 2 1 5 5 5 2 2 5 5 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 (a) (b) (c) (d) (a)给出需要分割的图像，设已知两个种子象素(标为深浅不同的灰色方块)，现在进行区域生长 采用的判断准则是：如果所考虑的象素与种子象素灰度值差的绝对值小于某个门限T，则将该象素包括进种子象素所在的区域 (b)给出T=3时区域生长的结果，整幅图被较好的分成2个区域 (c)给出T=1时区域生长的结果，有些象素无法判定 (d)给出T=6时区域生长的结果，整幅图都被分成1个区域。 区域生长法时需要解决三个问题： （1）选择或确定一组能正确代表所需区域的种子象素 （2）确定在生长过程中能将相邻象素包括进来的准则 （3）制定让生长过程停止的条件或规则 7.9 区域生长 (1)选择和确定一组能正确代表所需区域的种子像素 一般原则为： ① 接近聚类重心的像素可作为种子像素。例如，图像直方图中像素最多且处在聚类中心的像素； ② 红外图像目标检测中最亮的像素可作为种子像素； ③ 按位置要求确定种子像素； ④ 根据某种经验确定种子像素。 ⑤迭代－从大到小逐步收缩 7.9 区域生长 (2) 确定在生长过程中能将相邻像素合并进来的相似性准则。主要有： ① 当图像是彩色图像时，可以各颜色为准则，并考虑图像的连通性和邻近性； ② 待检测像素点的灰度值与已合并成的区域中所有像素点的平均灰度值满足某种相似性标准，比如灰度值差小于某个值； ③ 待检测点与已合并成的区域构成的新区域符合某个大小尺寸或形状要求等。 7.9 区域生长 生长准则和过程 区域生长的一个关键是选择合适的生长或相似准则，大部分区域生长准则使用图像的局部性质。 生长准则可根据不同原则制定，而使用不同的生长准则，将会影响区域生长的过程。 主要介绍3种基本的生长准则和方法 基于区域灰度差 基于区域内灰度分布统计性质 基于区域形状 基于区域灰度差 区域生长方法将图像以象素为基本单位来进行操作 基于区域灰度差的方法主要有如下步骤：  （1）对图像进行逐行扫描，找出尚没有归属的象素 （2）以该象素为中心检查它的邻域象素，即将邻域中的象素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并 （3）以新合并的象素为中心，返回到步骤2，检查新象素的邻域，直到区域不能进一步扩张 （4）返回到步骤1，继续扫描直到不能发现没有归属的象素，则结束整