目标表达与描述

1、目标表达与描述,主要内容,1 概述 2 边界表达 3 区域表达 4 边界描述 5 区域描述,1 概述,背景 图像分割技术的目的是把一幅给定图像分成有意义的区域或部分。图像分割之后，为了进一步对图像作分析和识别，就必须通过对图像中的物体(目标)作定性或定量的分析来作出正确的结论 图像分析 通过图像分割把图像空间分成一些有意义的区域，然后采用不同于原始图像的适当形式将目标表示出来，并对目标特征进行描述，再对图像进行分析和理解处理 图像分割的结果要么是区域内的像素的集合，要么是位于区域边界上的像素的集合，所以对图像中目标的表达方法分为区域表达和边界表达，对目标的描述一般也分为对边界的描述和对区域的描

2、述,表达：对目标的表示方法 内部表达：反射性质（灰度、颜色、纹理） 外部表达：形状 描述：抽象的表示目标 用一组数量或符号(描述子)来表征图像中被描述物体的某些特征，可以是对图像中各组成部分的性质的描述，也可以是各部分彼此间的关系的描述。 边界描述和区域描述 关系 表达对描述起重要作用，限定了描述的精确性 只有目标的描述，表达方法才有意义 表达侧重于数据结构，描述侧重于区域特征及区域间的关系,1 概述,主要内容,1 概述 2 边界表达 3 区域表达 4 边界描述 5 区域描述,2 边界表达,在分割过程中当确定了边界后，边界表达就是基于边界的像素点对目标的表示形式。,(1)链码：对边界的一种重编

3、码表示方法,链码是一种用若干条具有特定长度和方向的线段连接起来表示目标边界的方法。,例如:方向数,选边界上一点(用坐标表示)作为起点，其它点用方向数来表示：,A:6570713243,起点问题 对同一边界，如果用不同的边界点作为链码起点，得到的链码是不同的。 例如：,以A为起点，链码为：A: 10103322,以B为起点，链码为： B: 03322101,链码归一化 把链码看成由方向数构成的自然数，找最小的一个。 依一个方向循环移动,C:01033221,2 边界表达,2 边界表达,1 0 1 0 3 3 2 2,左：,2 1 2 1 0 0 3 3,右：,差分：把链码看成由方向数构成的自然数

4、,再用后位减前位。,差分 1 0 1 0 3 3 2 2,2 1 2 1 0 0 3 3,差分码归一 3 3 1 3 3 0 3 0 3 3 1 3 3 0 3 0,旋转问题 对同一边界，旋转前后的链码是不同的。 例如：,3 区域表达,(1)空间占有数组：对图像 f (x, y)中任一点(x, y)： 如果它在给定的区域内，就取 f (x, y)为1 否则就取 f (x, y)为0,方法简单 空间使用大,所有f (x, y)为1的点组成的集合就代表了所要表示的区域,(2)四叉树：适用于对方形图像采用分裂与合并方法进行分割的情况,原始图像,一次分裂,E,白色表示目标,黑色表示背景,蓝色表示背景混

5、合,二次分裂,D,3 区域表达,（3）骨架 为了便于描述和特征抽取，对那些细长的区域常用他们的“细化骨架”的细线来表示，这些细线位于中轴附近，而且从视觉上看仍然保持原来的形状，这种处理即细化。细化算法多用于二值图像。 细化算法可归纳为：在不破坏区域S 的连通性的基础上，消去S 中那些不是端点的简单边界点，并按S 的上、下、左、右的顺序反复进行，直至不存在可以消去的简单边界点。其核心是如何判断端点和简单边界点。,3 区域表达,一种算法：已知二值图像中目标点标记为1，背景点标记为0。扫描像素p1（x,y）时，建立以p1为中心的3 X 3窗口 ，周围的8个点分别表示为p2，p3，p4，p5，p6，p

6、7，p8，p9。,步骤：（1）首先标记满足下列条件的像素点（ p1 =1）,其中N(p1) 是p1 的非零邻点的个数，S(p1)是以p2，p3， p9 为序时这些点的值从到变化的次数。扫描所有点后，将所有标记点删除掉,（）同第步，修改(1.3)为,(1.4)为,扫描所有点后，删除所有标记点,（）重复(1)和(2)，直到没有删除像素点为止,3 区域表达,例子：,步骤(1)作标记,3 区域表达,删除步骤(1)作标记的点,步骤(2)作标记,3 区域表达,删除步骤(2)作标记的点,3 区域表达,3 区域表达,主要内容,1 概述 2 边界表达 3 区域表达 4 边界描述 5 区域描述,4 边界描述,1、

7、简单边界描述符：,（1）边界的长度：边界所包围区域的轮廓的周长。,（2）边界的直径 ：边界上相隔最远的两个点之间的距离。任意两点p、q（坐标分别为(x, y)和(s, t)）之间的距离可以采用不同的度量方法：,2、矩：,目标的边界可看成一系列线段组成：,看成一个一维函数 f(r)：,f(r)的均值：,f(r)对均值的n阶矩为：,f(r)对均值的n阶矩与f(r)的形状有直接关系，如2阶矩描述了曲线对均值的分布，阶矩描述了曲线对均值的对称性。,4 边界描述,主要内容,1 概述 2 边界表达 3 区域表达 4 边界描述 5 区域描述,5 区域描述,1、简单区域描述符：,（1）区域面积：说明区域的大小

8、，设每个像素边长为1，则区域R的面积为：,即区域内像素个数,（2）区域重心：,（3）区域灰度：灰度的最大值、最小值、均值、中值等,当区域为圆时，C趋于无穷大，不受平移、旋转、尺度变换影响 从区域重心到边界点的平均距离为 从区域重心到边界点的距离的均方差为,偏心率：常用边界长轴(直径)长度与短轴长度得比值来表示。,圆形性：,描述区域的紧凑性,5 区域描述,矩不变量 矩特征对于图像的旋转、比例和平移具有不变性，因此可以用来描述图像中的区域特性。 对于二维连续函数f(x, y)，其(p + q)阶矩定义如下：,只要f(x, y)是分段连续的，则所有各阶矩都存在。通常对我们实际处理的图像，认为各阶矩都

9、存在。对矩特征进行归一化，得图像的中心矩：,5 区域描述,对于数字图像f(i, j)：,对于二值图像，目标处的f(i, j)的值为1：,即为目标物区域的重心。,即归一化中心矩。,5 区域描述,纹理是图像中一个重要而又难以描述的特性，至今还没有公认的严格定义。 纹理反映了物体表面颜色和灰度的某种变化，这些变化与物体本身的属性相关。通常把图像灰度分布性质或图像表面呈现出的方向信息称为纹理结构。 图像的纹理分析已在许多领域得到了广泛的应用。例如， * 对气象云图的纹理分析； * 利用卫星遥感图像的纹理特征，进行区域识别、森林利用、城市发展、土地荒漠化等应用； * 对细胞图像、金相图像、催化剂表面图像

10、等显微图像的纹理分析等。,纹理描述符,5 区域描述,字典中对纹理的定义是“由紧密的交织在一起的单元组成的某种结构”。 纹理是由一个具有一定的不变性的视觉基元，通称纹理基元，在给定区域内的不同位置上，以不同的形变及不同的方向重复地出现的一种图纹。显然只有采用有效描述纹理特性的方法去分析纹理区域与纹理图像，才能真正描述与理解它们。,纹理特征,5 区域描述,目前纹理算法大体可以分为两大类： 一类是从图像有关属性的统计分析出发的统计分析方法； 另一类是力求找出纹理基元，再从结构组成探索纹理的规律或直接去探求纹理构成的结构规律的结构分析方法。 目前常用的方法是统计分析方法。本节主要介绍统计纹理分析方法，

11、并在最后简单地介绍一下结构纹理分析方法。,5 区域描述,统计分析方法,灰度共生矩阵法,5 区域描述,又称灰度共现阵，是图像灰度的二阶统计量，是一种对纹理的统计分析方法。 灰度共生阵 定义为从灰度为i 的点离开某个固定的位置（相距d，方向为 )的点上灰度为j 的概率。往往适当地选择d，而 则取0, 45, 90, 135度。,（1）灰度共生矩阵法,5 区域描述,具体定义： P(i,j;d,): 方向上相邻间隔为 d 的像素一个灰度为i，另一个为 j 值的点对数。,5 区域描述,特点 度阵主对角线上元素全部为，说明水平方向上灰度变化的频率高，纹理细 度阵主对角线上元素值很大，说明水平方向上灰度变化

12、的频率低，纹理粗,5 区域描述,1）角二阶矩(能量)：是图像灰度分布均匀性的度量。定义为灰度共生矩阵元素值的平方和。,纹理粗时E值大，纹理细时E 值小。 2）惯性矩（对比度):图像的对比度可以理解为图像的清晰度。在图像中，纹理的沟纹越深，则其对比度i越大，图像越清晰。,灰度共生矩阵并不能直接提供纹理信息时，需要进一步从中提取信息，常用的共四种。,5 区域描述,4）熵：是图像所具有的信息量的度量。若图像没有任何纹理，则熵值几乎为零，若细纹理多，则熵值较大。,3）相关性：用来衡量灰度共生矩阵的元素在行的方向或列的方向的相似程度。,5 区域描述,纹理的结构分析简介 结构分析方法认为纹理是由许多纹理基元组成的某种“重复性”的分布形式，在结构分析中，除了提取纹理基元外，还要研究存在于纹理基元之间的“重复性”关系。 确定纹理基元的方法：通过图像的区域分割或边缘、线的抽取来提取纹理基元。 纹理基元之间的结构关系：有多种途径进行研究，比较简单的方法是分析纹理基元间存在的相位、距离、尺寸等统计特性，也可以考虑用复杂的，如模型或句法等。,5 区域描述,其它方法,纹理特征的两要素: 形状与大小, 基元排列的稀密,周期性,方向性,1 区域直方图 方法: