彩色图像分割技答辩PPT-终稿.ppt

实现： 区域生长算法实现： 算法原理与结果： 总结： 1、本文主要探讨了利用K-mean聚类算法和区域生长算法相结合的方法对彩色图像进行目标区域的分割； 2、对目标区域的分割结果提取其多种特征信息； 未来的工作： 1、各种权重系数和阈值条件的自动调整与确定； 2、进一步提高分割方法的性能； YOUR SITE HERE LOGO YOUR SITE HERE 彩色图像分割技术 答辩人：王寸涛 导师：** 教授 YOUR SITE HERE 背景及选题意义 彩色图像预处理 基于K-mean聚类算法和区域生长算法相结合的多目标区域分割 利用数学形态学方法和基于边缘点的邻域梯度信息方法对分割结果进行后处理 分割结果特征信息提取系统的设计与实现 总结与展望 本文主要内容 YOUR SITE HERE 背景介绍 自20世纪90年代起，彩色图像处理与区域分割技术一直是国内外研究与应用的热点。 对彩色人体切片图像进行组织器官的区域分割在数字化虚拟人的研究中具有十分重要的意义。 彩色图像在通常情况下比灰度图像包含更多的信息，其分割结果具有更高的应用价值。 YOUR SITE HERE 课题的目的及意义 目的： 分割彩色人体切片图像中的目标区域； 意义： 利用分割结果进行数字虚拟人的高精度三维重建或其他方面的研究； 图像数据由第三军医大学数字医学研究所提供 本文工作思路 分割结果后处理 原始图像预处理 目标区域分割 分割结果 各种特征信息 的提取与保存 图像预处理 第一步：矢量中值滤波 作用：改善图像质量，防止区域生长中种子点选在噪音点上; 第二步：颜色量化 作用：减少原始图像中的颜色数目，降低区域生长过程的计算复杂度； 滤波前后结果对比 原始图像 几种颜色量化算法的比较 最小方差量化算法 颜色图近似量化算法 流行色量化算法 图像失真度：2.8000 运行时间：0.6563 图像失真度：14.5175 运行时间：0.6250 图像失真度：6.1289 运行时间：5 √ YOUR SITE HERE 目标区域的分割 (1)选取种子点：K-mean聚类算法； (2)生长准则： (3)终止条件：遍历像素点，至没有符合生长准则的像素点为止； 实现： 种子点的选取 (1)根据图像的特征确定K-mean聚类数目N； (2)利用图像的颜色特征进行K-mean区域聚类； (3)计算目标区域对应的连通聚类区域的质心作为其种子点； 289 158 4 118 149 3 58 143 2 185 60 1 y x 区域 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 … seed pstar pstar pend 1 0 原图像 输出图像 seed seed 2 3 4 5 1 8 7 6 1 2 3 0 0 0 1 1 1 区域生长算法 YOUR SITE HERE 分割结果的后处理 第一步：分割结果的形态学处理； 第二步：分割结果边缘过分割问题的处理； 实现： 开运算： 平滑对象轮廓，断开狭窄的连接，去掉了细小的突出部分； 闭运算： 平滑细长弯口、指向内部的齿状边缘，填充小洞； 数学形态学的基本操作： 边缘过分割处理 使用基于边缘点的邻域梯度信息的方法剔除过分割的 边缘点，重新调整分割结果的边界； 计算梯度 判断条件 边缘点 5 z 局部边缘放大对比 分割算法的结果对比 使用本文算法得到的分割结果 目标区域对应的轮廓图 基于灰度信息的区域生长算法得到的分割结果 颜色聚类算法得到的分割结果 YOUR SITE HERE 分割结果的特征提取与保存 实现： 第一步：对分割结果进行背景最小化处理； 第二步：提取分割结果的颜色、纹理、形状等特征信息； (1) 颜色特征-低阶颜色矩 (2) 纹理特征-灰度-梯度共生矩阵 (3) 形状特征-Hu不变矩 第三步：特征信息保存到数据库； 功能： 本系统是在JSP和Java环境下开发的B/S模式的数据库系统，主要功能包括分割结果的背景最小化处理，特征信息的提取、查看等。 系统特征提取页面运行效果图 总结与展望 YOUR SITE HERE 感谢各位答辩老师批评指正！ 谢谢 感谢老师 YOUR SITE HERE LOGO YOUR SITE HERE