数字图象处理与分析

1、姓名：何楚Tele.：68778181 (O)Email：武汉大学电信学院l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构l1. 模式识别模式识别l2. 模式识别系统的统计模式识别系统的统计l3. 方法分类（重点）方法分类（重点）l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言1：三个主要阶段：图象分割特征抽取分类：三个主要阶段：图象分割特征抽取分类 2：图象分割是一个将一幅数字图象划分为不交叠的、连通的象素集：图象分割是一个将

2、一幅数字图象划分为不交叠的、连通的象素集的过程，其中一个对应于背景，其他的则对应于图象中的各个物的过程，其中一个对应于背景，其他的则对应于图象中的各个物体。体。 边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l1：物体检测器设计：物体检测器设计l2：特征选择：特征选择l3：分类器设计：分类器设计l4：分类器训练：分类器训练l5：性能评估：性能评估边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l新的策略方法层出不穷，不能一一讨论。新的策略方法层出不穷，不能一一讨论。l因此强调方法分类体系，按照以下部分再细分讨论。因此强调方法分类体系，按照以下部分再细分讨论。 边缘提取、区域分

3、割边缘提取、区域分割 形状分析、纹理分析形状分析、纹理分析 统计分类、智能分类（神经网络，人工智能略）统计分类、智能分类（神经网络，人工智能略）l有重合的地方：比如区域增长和启发边缘连接；曲线拟合在提取有重合的地方：比如区域增长和启发边缘连接；曲线拟合在提取和测量两方面的应用等等；松弛迭代方法在几个地方应用。和测量两方面的应用等等；松弛迭代方法在几个地方应用。l1. 模式识别模式识别l2. 模式识别系统的统计模式识别系统的统计l3. 方法分类（重点）方法分类（重点）l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构l0. 方法分类方法分类l

4、1. 简单边缘提取算子简单边缘提取算子l2. Marr-Hildreth边缘提取理论边缘提取理论l3. Facet模型检测边缘模型检测边缘l4. 形成有意义的线特征形成有意义的线特征l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言简单边缘提取算子简单边缘提取算子Marr-Hildreth边缘提取理论边缘提取理论facet模型检测边缘模型检测边缘形成有意义的线特征形成有意义的线特征边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l1：检测每个象素和其直接领域的状态，决定是否处于

5、边界上。：检测每个象素和其直接领域的状态，决定是否处于边界上。l2：边缘算子（一般均值为：边缘算子（一般均值为0） 1：Roberts边缘算子边缘算子(0 1 ; -1 0) 2：Sobel边缘算子边缘算子 (-1 2 1; 0 0 0 ; 1 2 1 ) 3：Prewitt边缘算子边缘算子 (-1 1 1; 0 0 0 ; 1 1 1 ) 4：拉普拉斯算子：拉普拉斯算子(0 1 0 ; 1 4 1 ; 0 1 0)l3：边缘检测器性能：边缘检测器性能边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l1、边缘松弛、边缘松弛l2、假设检验、假设检验l3、非线性边缘检测技术、非线性边缘检测

6、技术边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l利用单一算子，不能最佳捡出不同尺度上的灰度变换。利用单一算子，不能最佳捡出不同尺度上的灰度变换。 选择什么样的滤波器进行平滑选择什么样的滤波器进行平滑 选择什么差分算子选择什么差分算子l两个条件制约两个条件制约 空间上定位平稳要求滤波器空间尺寸尽可能小。空间上定位平稳要求滤波器空间尺寸尽可能小。 滤波器带通要小，以满足平稳变化。滤波器带通要小，以满足平稳变化。 两者乘积大于等于两者乘积大于等于1/4pi，高斯滤波器在空域频域最佳。，高斯滤波器在空域频域最佳。l噪声和边缘处于同一区域带来的病态问题。噪声和边缘处于同一区域带来的病态问题

7、。NnNnnsnsnfE112)2(2)()()(l滤波器分析（必要性、最优性）滤波器分析（必要性、最优性）l病态问题病态问题l多尺度多尺度l最优化最优化 信噪比准则信噪比准则 定位精度原则定位精度原则 单边缘响应原则单边缘响应原则dxxfndxxfxGSNR)()()(20dxxfndxxfxGLocation)()()(2 02/1 2 )()()(dxxfdxxffxMRCzc边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l差分算子差分算子在选择差分算子方面，一阶导数在选择差分算子方面，一阶导数和二阶导数都可以检测出边缘。和二阶导数都可以检测出边缘。不同的是：用一阶导数认为最大

8、不同的是：用一阶导数认为最大值对应边缘位置，通常要设置一值对应边缘位置，通常要设置一幅度门限，检测出较多的边缘，幅度门限，检测出较多的边缘，再经细化取骨架，找出接近真实再经细化取骨架，找出接近真实的边缘；用二阶导数则是过零点的边缘；用二阶导数则是过零点对应边缘位置，因此不会检出很对应边缘位置，因此不会检出很多边缘。多边缘。l生理学证明生理学证明=+)(xf)(*2xfj)(*2xfdxdj)(*222xfdxdj边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l边缘发生于不同

9、灰度特性的两区域之间。边缘提取区域分割边缘发生于不同灰度特性的两区域之间。边缘提取区域分割l检出边缘检出边缘 形成有意义的图像线形，中层符号描述形成有意义的图像线形，中层符号描述 为完成一定图像识别任务和高层理解创造前提为完成一定图像识别任务和高层理解创造前提l两个过程两个过程 提取或者滤出可以构成一定线特征的边缘提取或者滤出可以构成一定线特征的边缘 滤出的边缘连接成直线曲线，或者用一定的直线曲线去拟合。滤出的边缘连接成直线曲线，或者用一定的直线曲线去拟合。边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言1：启发式搜索：启发式搜索 1）像元检测出来的边缘幅度大于边缘正交方向的两个相邻像

10、元）像元检测出来的边缘幅度大于边缘正交方向的两个相邻像元检出的边缘强度。检出的边缘强度。2）两个邻域边缘在中心像元边缘方向的一个相位间隔之内。）两个邻域边缘在中心像元边缘方向的一个相位间隔之内。3）中心像元的边缘幅度超过一个固定门限值。）中心像元的边缘幅度超过一个固定门限值。边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言2：曲线拟合：曲线拟合 边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言3：Hough变换变换 任一直线对应于该空间的一个点，通过一个点的辐射线对应于一条任一直线对应于该空间的一个点，通过一个点的辐射线对应于一条正弦型曲线。正弦型曲线。 每一个边缘直线上的点的

11、辐射线对应于另一个空间中的一条正弦曲每一个边缘直线上的点的辐射线对应于另一个空间中的一条正弦曲线，必然相交于共享的边缘直线对应的点。线，必然相交于共享的边缘直线对应的点。 可以连接线特征而去除缝隙，同时受噪声影响小。可以连接线特征而去除缝隙，同时受噪声影响小。边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l0. 方法分类方法分类l1. 简单边缘提取算子简单边缘提取算子l2. Marr-Hildreth边缘提取理论边缘提取理论l3. Facet模型检测边缘模型检测边缘l4. 形成有意义的线特征形成有意义的线特征l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分

12、割图象的结构四分割图象的结构l0、方法分类、方法分类l1、基于灰度直方图、基于灰度直方图l2、基于像素邻域、基于像素邻域l3、复杂图像分割、复杂图像分割l4、区域增长、区域增长l5、分开合并、分开合并l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言基于像素灰度直方图基于像素灰度直方图复杂图像属性分割复杂图像属性分割区域增长方法区域增长方法分开合并分开合并基于像素邻域特性基于像素邻域特性边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l直方图分析：有突出目标和背景图像，直方图将

13、具有明显的双峰。直方图分析：有突出目标和背景图像，直方图将具有明显的双峰。 直方图凹形分析法直方图凹形分析法 自动门限法自动门限法 最佳熵自动门限法最佳熵自动门限法 极大化分割以后图像的熵值极大化分割以后图像的熵值 类别方差自动门限法类别方差自动门限法 矩不变自动门限法矩不变自动门限法 极小误差自动门限法极小误差自动门限法边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l基于边缘特性基于边缘特性l基于二阶灰度统计特性基于二阶灰度统计特性 共生矩阵（纹理分析）共生矩阵（纹理分析） Md,x(i,j) x 方向上，相距方向上，相距d一对像素出现灰度一对像素出现灰度i和和j的频率。的频率。

14、目标和背景在共生矩阵对角线附近，边界在远离对角线。目标和背景在共生矩阵对角线附近，边界在远离对角线。l基于二维熵基于二维熵 （图像的灰度，邻域灰度均值）组成联合概率（图像的灰度，邻域灰度均值）组成联合概率 同上诉一维熵分割方法同上诉一维熵分割方法边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l自动多门限分割技术自动多门限分割技术 平滑直方图确定区域类数平滑直方图确定区域类数 独立峰值具有一定灰度范围，一定面积，一定峰谷比独立峰值具有一定灰度范围，一定面积，一定峰谷比l分快分割再合并分快分割再合并边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l将相似特性的像素连接成区域将相似

15、特性的像素连接成区域边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l属性空间集群自上而下属性空间集群自上而下l区域增长自下而上区域增长自下而上l分开合并分开合并 从某一层次开始，按照一致性属性原则，进一步合并或者划分从某一层次开始，按照一致性属性原则，进一步合并或者划分l0、方法分类、方法分类l1、基于灰度直方图、基于灰度直方图l2、基于像素邻域、基于像素邻域l3、复杂图像分割、复杂图像分割l4、区域增长、区域增长l5、分开合并、分开合并l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构l1. 物体隶属关系图物体隶属关系图l2.

16、边界链码边界链码l3. 线段编码线段编码l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l 另外生成一幅与原图大小相同的图象，在这幅图象中逐个象素地另外生成一幅与原图大小相同的图象，在这幅图象中逐个象素地用物体隶属关系进行编码。即灰度级按照在原图中所隶属的地物用物体隶属关系进行编码。即灰度级按照在原图中所隶属的地物体序号进行编号。体序号进行编号。边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l 链码是从在物体边界上任意选取得某个起始点开始，这个边界点链码是从在物体边界上任意

17、选取得某个起始点开始，这个边界点的八个邻接点中至少有一个是边界点，边界链码规定了从当前边的八个邻接点中至少有一个是边界点，边界链码规定了从当前边界。界。边缘提取边缘提取区域分割区域分割分割结构分割结构引言引言l 线段编码是用来存储被抽取物体的一种逐行处理技术。线段编码是用来存储被抽取物体的一种逐行处理技术。l1. 物体隶属关系图物体隶属关系图l2. 边界链码边界链码l3. 线段编码线段编码l一：引言一：引言l二：边缘提取二：边缘提取l三：区域分割三：区域分割l四分割图象的结构四分割图象的结构l一引言一引言l二形状分析二形状分析l三纹理分析三纹理分析l一引言一引言l二形状分析二形状分析l三纹理分

18、析三纹理分析l物体的度量问题，如何通过这物体的度量问题，如何通过这些测量值识别物体。些测量值识别物体。l方法分类方法分类引言引言形状分析形状分析纹理分析纹理分析l数字图像处理数字图像处理分类方法分类方法 尺寸测量（形状分析内标量方法简单标量方法）尺寸测量（形状分析内标量方法简单标量方法） 形状分析形状分析 纹理分析纹理分析 曲线表面拟合（形状分析层次方法）曲线表面拟合（形状分析层次方法）引言引言形状分析形状分析纹理分析纹理分析l图像理解图像理解分类方法分类方法 纹理分析纹理分析 形状分析形状分析 内标量，外标量，内空间，外空间，层次方法内标量，外标量，内空间，外空间，层次方法l一引言一引言l二

19、形状分析二形状分析l三纹理分析三纹理分析l物体的度量问题，如何通过这物体的度量问题，如何通过这些测量值识别物体。些测量值识别物体。l方法分类方法分类l一引言一引言l二形状分析二形状分析l三纹理分析三纹理分析l内标量方法内标量方法l外标量方法外标量方法l内空间技术内空间技术l外空间技术外空间技术引言引言形状分析形状分析纹理分析纹理分析l以完整形状轮廓包围区域为对象，导出数学性质作为特征：以完整形状轮廓包围区域为对象，导出数学性质作为特征：1、简单标量方法：面积，周长，最小外接圆，最大内切圆等等、简单标量方法：面积，周长，最小外接圆，最大内切圆等等2、目标所占区域矩：、目标所占区域矩：f(x,y)

20、xuyv的积分。的积分。3、二维傅立叶变换、二维傅立叶变换4、弦分布、线求和等等方法、弦分布、线求和等等方法引言引言形状分析形状分析纹理分析纹理分析l通过变换将目标边界用对应的标量表示通过变换将目标边界用对应的标量表示l边界表示边界表示 极坐标（一维的极坐标（一维的r-） 直角坐标（任选一个起点，路径长度直角坐标（任选一个起点，路径长度n，x(n), y(n)） 切线方向表示（边界点的切线方向）切线方向表示（边界点的切线方向）l傅立叶形状描述傅立叶形状描述l随机方法（自回归：用前面随机方法（自回归：用前面n个点描述当前点）个点描述当前点）引言引言形状分析形状分析纹理分析纹理分析l中轴变换中轴变

21、换l多尺度中轴变换多尺度中轴变换引言引言形状分析形状分析纹理分析纹理分析l链码技术链码技术l一引言一引言l二形状分析二形状分析l三纹理分析三纹理分析l内标量方法内标量方法l外标量方法外标量方法l内空间技术内空间技术l外空间技术外空间技术l一引言一引言l二形状分析二形状分析l三纹理分析三纹理分析l物体的度量问题，如何通过这物体的度量问题，如何通过这些测量值识别物体。些测量值识别物体。l方法分类方法分类l一引言一引言l二形状分析二形状分析l三纹理分析三纹理分析l纹理纹理l统计分析方法统计分析方法l结构分析方法结构分析方法引言引言形状分析形状分析纹理分析纹理分析l局部不规律，整体具有一定规律性的特性

22、。局部不规律，整体具有一定规律性的特性。 基本单元的重复性基本单元的重复性 粗糙性粗糙性 方向性方向性引言引言形状分析形状分析纹理分析纹理分析l共生矩阵共生矩阵 P(i,j|d,x) x方向上，相距方向上，相距d像素一对像素具有像素一对像素具有i,j的出现概率。的出现概率。 在共生矩阵上计算参数，常用五种：能量、熵、惯性矩、相关、局在共生矩阵上计算参数，常用五种：能量、熵、惯性矩、相关、局部平稳。部平稳。l用随机场描述纹理用随机场描述纹理l利用分形维数描述纹理利用分形维数描述纹理引言引言形状分析形状分析纹理分析纹理分析l纹理基元的某种重复性模式纹理基元的某种重复性模式 确定基本纹理单元确定基本

23、纹理单元 确定纹理基元之间的重复性结构确定纹理基元之间的重复性结构l一引言一引言l二形状分析二形状分析l三纹理分析三纹理分析l统计分析方法统计分析方法l结构分析方法结构分析方法l一引言，分类一引言，分类l二特征选择二特征选择l三统计分类三统计分类l四神经网络四神经网络l一引言，分类一引言，分类l二特征选择二特征选择l三统计分类三统计分类l四神经网络四神经网络l1. 特征提取特征提取l2. 分类器的设计分类器的设计l3. 分类器的训练分类器的训练l4. 分类器的测量分类器的测量l一引言，分类一引言，分类l二特征选择二特征选择l三统计分类三统计分类l四神经网络四神经网络l1. 特征方差特征方差l2

24、. 类间距离类间距离l3. 特征相关系数特征相关系数l4. 降维降维l理想状态下同一类别中所有对象的特征的特征值应该很相近。理想状态下同一类别中所有对象的特征的特征值应该很相近。统计分类统计分类神经网络神经网络特征选择特征选择引言引言2121jNixjijjxjxNl一个特征区分两类能力的一个指标就是类间距离。距离大的是好一个特征区分两类能力的一个指标就是类间距离。距离大的是好特征。特征。统计分类统计分类神经网络神经网络特征选择特征选择引言引言22xkxjxjxjxjkDl第第 j 类特征类特征 x 与特征与特征 y 的相关系数估计为，如果相关系数接近的相关系数估计为，如果相关系数接近1，说明

25、两个特征可以组合成一个特征或者舍弃其中一个。说明两个特征可以组合成一个特征或者舍弃其中一个。统计分类统计分类神经网络神经网络特征选择特征选择引言引言yjxjNiyjijxjijjxyjjyxN11l用线性函数等方法可以将两个特征合并成一个。用线性函数等方法可以将两个特征合并成一个。统计分类统计分类神经网络神经网络特征选择特征选择引言引言l一引言，分类一引言，分类l二特征选择二特征选择l三统计分类三统计分类l四神经网络四神经网络l1. 特征方差特征方差l2. 类间距离类间距离l3. 特征相关系数特征相关系数l4. 降维降维l一引言，分类一引言，分类l二特征选择二特征选择l三统计分类三统计分类l四

26、神经网络四神经网络l1. 统计决策理论统计决策理论l2. 分类器类型分类器类型l3. 参数估计和分类器设计参数估计和分类器设计l4. 分类器性能分类器性能l1：先验概率：先验概率l2：Bayes理论理论 Bayes理论给出了一个被测量对象属于某一特定分类概率。理论给出了一个被测量对象属于某一特定分类概率。 可以用最大似然估计法或可以用最大似然估计法或Bayes估计法估计未知参数。估计法估计未知参数。 l3：Bayes风险风险l4：Bayes决策规则决策规则统计分类统计分类神经网络神经网络特征选择特征选择引言引言)()|(|xpCPCxpxCPiiimiiiCPCxpxp1)|()(l参数分类器

27、参数分类器 条件条件PDF的函数形式已知单其中一些参数（如均值、方差未知）的函数形式已知单其中一些参数（如均值、方差未知）l非参数分类器非参数分类器 如果函数形式全部或部分未知，需要从训练样本集重估测。如果函数形式全部或部分未知，需要从训练样本集重估测。统计分类统计分类神经网络神经网络特征选择特征选择引言引言l训练分类器：使用对象度量估计训练分类器：使用对象度量估计PDF或它们参数的过程。或它们参数的过程。 监督和非监督训练监督和非监督训练 最大似然估计最大似然估计 假设待估计参数是固定的未知数，对所抽取得给定样本集来说，使该训假设待估计参数是固定的未知数，对所抽取得给定样本集来说，使该训练集

28、出现最大可能性的参数值就是它的估计值。练集出现最大可能性的参数值就是它的估计值。 Bayes估计估计 将未知参数作为随机变量，假设未知参数某些方面是预先知道。先验将未知参数作为随机变量，假设未知参数某些方面是预先知道。先验PDF已知，当训练样本被测量以后，使用已知，当训练样本被测量以后，使用Bays定理根据采样值对先验定理根据采样值对先验PDF进行修改或者调整，得到未知参数的后验进行修改或者调整，得到未知参数的后验PDF。统计分类统计分类神经网络神经网络特征选择特征选择引言引言l可以通过测试集进行测试可以通过测试集进行测试l应该与所关注的问题相配应该与所关注的问题相配统计分类统计分类神经网络神经网络特征选择特征选择引言引言l一引言，分类一引言，分类l二特征选择二特征选择l三统计分类三统计分类l四神经网络四神经网络l1. 统计决策理论统计决策理论l2. 分类器类型分类器类型l3. 参数估计和分类器设计参数估计和分类器设计l4. 分类器性