遥感图像分割课件

1、第8章 遥感图像分割遥感像分割原始图像不同尺度分割结果图像分割引言图像分割的概念把图像分解成构成它的部件和对象的过程有选择性地定位感兴趣对象在图像中的位置和范围图像分割引言图像分割的基本思路从简到难，逐级分割控制背景环境，降低分割难度把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上图像分割引言图像分割的基本策略图像分割的基本策略，基于灰度值的两个基本特性：不连续性区域之间相似性区域内部根据图像像素灰度值的不连续性先找到点、线（宽度为1）、边（不定宽度）再确定区域图像分割引言图像分割的基本策略根据图像像素灰度值的相似性通过选择阈值，找到灰度值相似的区域区域的外轮廓就是对象的边阈值分割法梯度法

2、区域生长法区域分割法数学形态学方法阈值分割法阈值分割法阈值分割法的基本思想：确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。将大于等于阈值的像素作为物体或背景，生成一个二值图像。If f(x,y) T set 255Else set 0025525502550255255255通过直方图得到阈值基本思想边界上的点的灰度值出现次数较少T最佳阈值的选择1通过直方图得到阈值取值的方法： 取直方图谷底(最小值)的灰度值为阈值T缺点：会受到噪音的干扰，最小值不是预期的阈值，而偏离期望的值；改进： 1）取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷

3、底更可靠，可排除噪音的干扰判断分析法当图像直方图的形状是多变的，有双峰但无明显的低谷，或是双峰和低谷不明显，而且两个区域的面积比也难以确定的情况下常采用。最佳阈值的选择2自适应分割法：方法：用二次图像处理实现。步骤：第一次处理，将目标的大小划分成大小固定的块。根据各块的灰度值直方图确定阈值，通常为背景峰值与数据峰值的中点。第二次处理，每个目标使用各自的阈值，选择由内部灰度值和它主块的背景灰度值的中间值。最佳阈值的选择3分水岭算法：与自适应阈值化有关的一个算法。在一个低灰度值上对图像进行阈值化。随着阈值的增加，目标边界随阈值的增加而扩展，直到边界相互接触。该过程在阈值达到背景的灰度级之前终止。最

4、终的阈值决定了最后的边界与实际目标的吻合程度。梯度法：边缘检测基本思想：通过检测每个像素和其邻域的状态，决定该像素是否位于一个目标的边界上。像素位于目标边界上：邻域灰度值变化大。边缘检测算子可用一阶、二阶局部微分算子来检测图像中的边缘。下面是几种常用的微分算子。梯度算子Roberts算子Prewitt算子Sobel算子Kirsch算子Laplacian算子Marr算子启发式搜索曲线拟合边界跟踪区域生长法基本思想：将具有相似性质的像素集合起来构成区域。步骤：对每个需要分割的目标区域找一个种子像素作为生长的起点。将种子像素周围邻域中与种子像素性质相同或相似的像素合并到种子像素所在的区域中。将这些像

5、素当做新的种子像素，重复上述步骤，直至没有满足条件的像素为止。区域分割法基本概念目标：将区域R划分为若干个子区域R1,R2,Rn，这些子区域满足5个条件：完备性：连通性：每个Ri都是一个连通区域独立性：对于任意ij，RiRj= 单一性：每个区域内的灰度级相等，互斥性：任两个区域的灰度级不等，简单区域扩张法统计假说检测法试探法数学形态学方法1. 背景： 数学形态学是一种用于数字图像处理和识别的新理论和新方法。2. 应用利用形态学基本运算， 对图像进行处理， 从而达到改善图像质量的目的。描述和定义图像的各种几何参数和特征，如 面积、 周长、 连通度 ( 连接数 )、 颗粒度、 骨架等。大部分形态运

6、算都定义在两个基本运算的基础上： 腐蚀和膨胀。 在此基础上， 常用的形态运算( 变换 )有： 开和闭， 击中和不击中变换，细化和粗化， 边界和骨架等。111111111101101111011011101结构元素Sxy图像A111111111结构元素B腐蚀与膨胀腐蚀后膨胀后原图1、腐蚀定义：E = A B = x | (B)xA结果：使二值图像减小一圈。算法：用结构元素B，扫描图像的每一个像素。用结构元素与其覆盖的二值图像做“与”操作。如果都为1，结果图像该像素为1；否则为0。11110011101101110111100111100111011110111101111011111111111

7、111111111结构元素B2、膨胀定义：E = A B = x | BxA 结果：使二值图像扩大一圈。算法：用33的结构元素，扫描图像的每一个像素用结构元素与其覆盖的二值图像做“与”操作如果都为0，结果图像该像素为0；否则为1。11110011101101110111100111100111011110111101111011111111111111111111结构元素B1、开运算思路：先腐蚀，再膨胀定义：A B = （A B） B结果：1）消除细小对象。2）在细小粘连处分离对象。3）在不改变形状和不明显改变面积的前提下，平滑对象的边缘。开-闭运算(Opening-Closing)2、闭运算

8、思路：先膨胀、再腐蚀定义：A B =（A B） B结果：1）填充对象内细小空洞。2）连接邻近对象。3）在不改变形状和不明显改变面积前提下，平滑对象的边缘。腐蚀和膨胀的变种1、收缩(shrinking) 当腐蚀以一种不触及单像素目标的执行方法时的过程称为收缩。结果:每运行一次，半径少一个像素，并有更多的目标收缩为单像素大小。局限性：会使不圆的目标分解。2、细化(thinning ) 对给定的细长图形使线幅变细，从而提取线宽为 1 的中心线的操作叫细化。是一种特殊的多次迭代的收缩算法。结果:在不破坏连通性的前提下，细化图像。算法实现：1）做腐蚀操作，但不立刻删除像素，只打标记。2）将不破坏连通性的标记点删掉。3）重复执行，将产生细化结果。3、抽骨架（skeletonization） 与细化相似，可采用一个两步的有条件的腐蚀实现，但删除像素规则不同。4、剪枝（pruning） 通过一系列的消除端点的33运算除去，再重建