毕业答辩-基于超像素的图像分割技术及其实现.ppt

,基于超像素的图像分割技术及其实现,导师：答辩人：答辩时间：2016年5月22日,TheDesignandImplementationofImageSegmentationBasedonSuperpixels,PPT模板下载：,目录,CONTENTS,PPT模板下载：,PARTONE,概况综述,4,图像分割技术依据一定特征，将图像划分形成一些不相互重的区域，以此达到分割图像的目的。,图像分割技术几乎应用在有关图像处理的所有领域，涉及范围也变得十分广泛。,PARTONE,PARTTWO,PARTTHREE,图像处理的任务量超出负荷，为解决该问题，超像素方法被提出并且被研究实现。,概况综述,5,采用较少数量的超像素替代数量繁多的像素这一方法来减少算法的执行时间，提高了算法的运行速度。,算法运行效率,冗余信息,后续工作,利用超像素方法，可将像素按照相同特征分组，可以获取图像的冗余信息。,冗余信息的获取，降低了后续处理工作的复杂度。,PARTTWO,研究背景,7,Graph-based方法,Turbopixels方法,基于图论的方法,基于梯度下降的方法,Superpixellattices方法,MeanShift方法,研究背景,8,Graph-based方法,Graph-based方法运用最小生成树的思想来分割图像，实现起来较为简单，并且速度较快，精度较高。但是该方法产生的超像素大小不同、形状各异。因此在图像分割应用中，很少直接用Graph-Based分割图像。,Superpixellattices方法,Superpixellattices方法，用寻找最短路径的方式，在无监督状态下从垂直方向和水平方向，搜寻最优路径来分割图像。只需输入图像的边界图，便能得到超像素。,能够直接控制超像素的数量,且分割效果良好，但是过分依赖于输入的边界图。,研究背景,9,Turbopixels方法,MeanShift方法,Superpixellattices方法基本思想是通过定位密度函数的局部最大，把具有相同特征的像素聚集到一起，从而生成超像素。该算法抗噪性和边缘贴合度较好，但是形成的超像素不规则。,这几种方法虽然各有优点，但是产生的超像素或形状不规则或不能保持边界的完整。,Turbopixels方法基本思想是先膨胀初始化聚类中心，将背景区域骨骼化，即可产生超像素。并且该方法的图像大小与算法复杂度接近于线性关系，所以运算速度快，但是只能确保图像分割的部分边界。,PARTTHREE,理论研究,11,第一优点,第二优点,第三优点,超像素边缘完整性保持较好,大小和形状规则且均匀,产生的超像素更加紧凑,理论研究,12,第一步,第二步,第三步,第四步,PARTFOUR,实验分析,14,实验分析,15,在以下的实验中，迭代次数均取10。,实验分析,16,实验分析,17,PARTFIVE,实际应用,19,实际应用医学,基于SLIC算法的超像素分割技术，以其能够突出图像细节的特点，如今已经应用在医学中的多个领域，为专家诊断提供辅助。比如，在定位人体内出血和癌细胞组织方面，取得了一定的成功。,实际应用建筑学,运用该技术过滤掉建筑图像中的非目标部分，能有针对性地研究目标区域。通过位置、颜色、纹理特征的提取，十分有利于建筑目标的检测和识别工作的进行，极大地提高了工作效率与工作质量。,实际应用,20,01,医学中应用的第一个方面,02,医学中应用的第二个方面,实验分析,21,PARTSIX,未来展望,23,01,如今，超像素已经成为计算机视觉领域一项重要的工具，其广泛的应用领域和良好的实践效果受到了国内外学者日益的关注。如何实现更精确、更快速的分割是超