第六章_遥感图像分割.ppt

第七章 遥感图像分割 对于给定的一幅含有多个物体的数字图像，模式识别的过程由三个阶段组成，如图所示 图像分割介绍 定义 图像分割方法分类 基于阈值的分割－通过阈值对不同物体进行分割 基于边缘的分割－先确定边缘象素，并把它们连接在一起，以构成所需的边界 基于区域的分割－把各象素划归到各个物体或区域中 基于阈值的分割 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应该属于目标还是背景区域，从而产生相应的二值图像 直方图阈值分割 简单直方图分割法 最佳阈值 简单直方图分割法 最佳阈值 所谓最佳阈值是指图像中目标物与背景的分割错误最小的阈值 基于边缘的分割 先检测不连续的点，然后将点连接成边界 点检测 线检测 边缘检测 边缘检测 两个具有不同灰度值得相邻区域之间总存在边缘 主要介绍以下几种边缘检测算子 （1）梯度算子 （2）方向算子 （3）拉普拉斯算子 （4）马尔算子 （5）综合正交算子 （6）坎尼算子 梯度算子 梯度对应一阶导数，梯度算子是一阶导数算子，在边缘灰度值过渡比较尖锐且图像中噪声比较小时，梯度算子效果好。 实例 拉普拉斯算子 一阶微分是一种矢量，不但有其大小，还有方向，和标量相比较，它数据存储量大，在具有相等斜率的宽区域上，有可能将全部区域都当作边缘提取出来 Lapplacian 算子是一种二阶导数算子，是不依赖于边缘方向的二阶微分算子，是一个标量而不是矢量，具有旋转不变即各向同性的性质，对一个连续函数f(x,y)，它在图像中位置(x,y)的拉普拉斯值定义为： 基于区域的分割 区域增长 生长准则和过程 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：  实例 拉普拉斯算子是无方向性的算子，它比前述计算多个方向导数算子的计算量要小，因为只需用一个模板，且不必综合各模板的值。 在数字图像中，计算函数的拉普拉斯也可以借助各种模板卷积实现。这里对模板的基本要求是对应中心象素的系数应是正的，而对应中心象素邻近象素的系数应是负的，且所有系数的和应为0，这样就不会产生灰度偏移 -1 -1 -1 -1 4 -1 -1 -1 -1 4 -1 -1 -1 -1 -1 -1 -1 -1 8 在数字图像情况下的近似为： 拉普拉斯是一种二阶导数算子，所以对图像中的噪声相当敏感。在实际中，常常在进行平滑操作地同时进行二阶微分，如图所示是具有平滑效果的二阶微分算子操作。 另外它常产生双象素宽的边缘，且也不能提供边缘方向的信息。 由于以上原因，拉普拉斯算子很少直接用于边缘检测，而主要用于已知边缘象素后，确定该象素是在图像的暗区或明区一边。 另一方面，一阶差分算子会在较宽范围形成较大的梯度值，因此不适合于精确定位，而利用二阶差分算子过0点可以精确定位边缘 1 1 1 1 1 1 1 1 1 -4 -4 -4 -4 -4 -4 -4 -4 -4 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 1 1 图像分割－把图像分解为若干个有意义的子区域，而这种分解－基于物体有平滑均匀的表面，与图像中强度恒定或缓慢变化的区域相对应，即每个子区域都具有一定的均匀性质 前面所讨论的边缘、阈值，没有明显使用分割定义中的均匀测度度量 区域分割－直接根据事先确定的相似性准则，直接取出若干特征相近或相同象素组成区域 常用的区域分割－区域增长(区域生长)、区域分裂－合并方法等 原理和步骤 基本思想－将具有相似性质的象素集合起来构成区域。 具体步骤－先对每个需要分割的区域找一个种子象素作为生长起点，然后将种子象素周围邻域中与种子象素有相同或相似性质的象素(根据某种事先确定的生长或相似准则来判定)合并到种子象素所在的区域中。将这些新象素当做新的种子象素继续进行上面的过程，直到再没有满足条件的象素可被包括进来，这样一个区域就长成了 ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● R1 R5 R4 R3 R2 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