第 1 页
®¹i häc B¸ch khoa Hμ néi Khoa C«ng nghÖ th«ng tin Ch−¬ng 7 Ph©n vïng ¶nh 1. Kh¸i qu¸t chung • Mét vμi kh¸i niÖm - Mét vïng ¶nh R (Region) : lμ tËp hîp cña c¸c ®iÓm ¶nh cã cïng chung c¸c thuéc tÝnh thuéc vÒ mét ®èi t−îng trong ¶nh. - Ph©n vïng ¶nh (segmentation): lμ qu¸ tr×nh ph©n ho¹ch tËp hîp c¸c ®iÓm ¶nh X thμnh c¸c tËp con cña c¸c vïng ¶nh Ri tho¶ m·n c¸c ®iÒu kiÖn sau : ∀i Ri ≠∅, ∀i, j i ≠ j, Ri ∩ R j =∅et X =∪Ri, Ri bao gåm c¸c pixel cã thuéc tÝnh chung. i • C¸c h−íng tiÕp cËn cña ph©n vïng ¶nh - Ph©n vïng dùa trªn ®é ®ång ®Òu, ®é t−¬ng tù vÒ møc x¸m vμ vÒ c¸c thuéc tÝnh cña c¸c pixel trong mçi vïng. - Ph©n vïng dùa trªn t¸ch biªn dùa trªn sù biÕn thiªn cña hμm ®é s¸ng hay møc x¸m • C¸c c«ng ®o¹n chñ yÕu cña ph©n vïng ¶nh : - TiÒn xö lý - Qu¸ tr×nh ph©n vïng (thuËt to¸n) - ®¸nh nh·n ph©n t¸ch c¸c vïng vμ hiÖu chØnh Xö lý ¶nh NguyÔn ThÞ Hoμng Lan
第 2 页
®¹i häc B¸ch khoa Hμ néi Khoa C«ng nghÖ th«ng tin • Mét sè ph−¬ng ph¸p ph©n vïng - Ph©n vïng dùa trªn sù ph©n líp c¸c ®iÓm ¶nh trong kh«ng gian thuéc tÝnh mét chiÒu hoÆc kh«ng gian thuéc tÝnh nhiÒu chiÒu, - Ph©n vïng theo ph−¬ng ph¸p cÊu tróc, - Ph©n vïng dùa trªn biÓu diÔn vμ xö lý ®a ph©n gi¶i, - Ph©n vïng dùa trªn ph©n tÝch kÕt cÊu (texture). 2. C¸c thuéc tÝnh cña ®iÓm ¶nh vμ cña vïng ¶nh • Thuéc tÝnh biªn ®é • ®é ®ång ®Òu vÒ møc x¸m, ®é t−¬ng ph¶n • Thuéc tÝnh tÇn sè • Thuéc tÝnh thèng kª, tham sè th«ng kª • Thuéc tÝnh h×nh häc, tham sè h×nh häc • Thuéc tÝnh cÊu tróc (texture) ... 3. Ph−¬ng ph¸p ph©n líp • Sù ph©n líp - Kh¸i niÖm vÒ líp c¸c c¸ thÓ (c¸c phÇn tö) : tËp hîp c¸c phÇn tö cã chung thuéc tÝnh - Sù ph©n líp : ph©n lo¹i c¸c phÇn tö vÒ c¸c líp theo c¸c tiªu chuÈn vÒ thuéc tÝnh - Mét vïng ¶nh Rk ®−îc x¸c ®Þnh bëi c¸c pixel thuéc vÒ mét líp Ck Xö lý ¶nh NguyÔn ThÞ Hoμng Lan
第 3 页
®¹i häc B¸ch khoa Hμ néi Khoa C«ng nghÖ th«ng tin • Ph−¬ng ph¸p ph©n líp c¸c ®iÓm ¶nh trong kh«ng gian thuéc tÝnh ®a chiÒu Tiªu chuÈn ph©n líp : kho¶ng c¸ch gi÷a c¸c vect¬ thuéc tÝnh • Ph©n líp c¸c ®iÓm ¶nh trong kh«ng gian thuéc tÝnh 1 chiÒu : thuéc tÝnh biªn ®é - Tiªu chuÈn ph©n líp dùa trªn c¸c ng−ìng gi¸ trÞ møc x¸m gi÷a c¸c vïng - ThuËt to¸n ISODATA (Iterative Self Organization DATa Analysis) B−íc ®Çu (t = 0) + ®o¸n nhËn sè líp M + Lùa chän c¸c gi¸ trÞ ng−ìng ban ®Çu gi÷a c¸c líp T(0) j B−íc lÆp (t = 1, 2 ...) : + Thùc hiÖn ph©n líp theo c¸c ng−ìng T(t-1) j + TÝnh gi¸ trÞ trung b×nh trong mçi líp m (t) k + TÝnh c¸c gi¸ trÞ ng−ìng míi T(t) theo c¸c gi¸ trÞ m (t) j k + KiÓm tra ®iÒu kiÖn lÆp B−íc cuèi: + Ph©n líp c¸c ®iÓm ¶nh theo c¸c gi¸ trÞ ng−ìng ®¹t ®−îc khi thuËt to¸n héi tô, + ®¸nh nh·n thuéc tÝnh, ph©n t¸ch c¸c vïng vμ hiÖu chØnh sè líp nÕu cÇn, + Ph©n t¸ch c¸c vïng 4.Ph−¬ng ph¸p cÊu tróc • ThuËt to¸n lan to¶ vïng • ThuËt to¸n ph©n vïng dùa trªn sù ph©n chia vμ kÕt hîp c¸c miÒn kÒ Nguyªn t¾c chia ¶nh dùa trªn cÊu tróc c©y tø ph©n R x R R R R R R 11 12 13 14 i1 i2 R i R R R R R i3 i4 R R R R R 121 122 123 124 131 132 133 134 Xö lý ¶nh NguyÔn ThÞ Hoμng Lan
第 4 页
®¹i häc B¸ch khoa Hμ néi Khoa C«ng nghÖ th«ng tin ThuËt to¸n ph©n chia miÒn kÒ d−¹ trªn cÊu tróc c©y tø ph©n • ChØ tiªu ph©n chia σ(R)= 1 (A(s)−m(R))2 Sè ®o ®é ®ång ®Òu thuéc tÝnh cu¶ miÒn R: ∑ vμ Hμm vÞ tõ : Pred(R) card(R)s∈R NÕu σ(R) > θ th× Pred(R) = 0, nghÜa lμ ®é kh«ng ®ång ®Òu • Nguyªn t¾c thuËt to¸n - Ph©n chia liªn tiÕp c¸c miÒn kÒ theo cÊu tróc c©y tø ph©n cho ®Õn khi ®¹t ®−îc tÊt c¶ c¸c miÒn ®ång ®Òu - X©y dùng c©y tø ph©n cña ¶nh - TÝnh sai sè b×nh ph−¬ng cña ¶nh sau qu¸ tr×nh chia VÝ dô 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 1 1 1 1 1 2 2 2 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 1 1 1 2 2 2 1 1 1 1 1 2 2 2 1 1 1 1 1 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 0 0 0 0 0 0 3 .3 0 0 0 0 0 0 3 .3 0 0 0 0 .8 .2 0 0 0 0 0 0 .2 .2 0 0 0 0 0 0 .9 .1 1 .1 0 0 0 0 .9 .1 1 .1 0 0 0 0 .1 .1 1 ,1 0 0 0 0 .1 .1 1 .1 Xö lý ¶nh NguyÔn ThÞ Hoμng Lan
第 5 页
®¹i häc B¸ch khoa Hμ néi Khoa C«ng nghÖ th«ng tin ThuËt to¸n kÕt hîp • ®å thÞ c¸c miÒn kÒ G(V, E) V : TËp c¸c nót t−¬ng øng víi c¸c miÒn kÒ. E : TËp c¸c cung, c¸c liªn kÕt Hai miÒn kÒ Ri vμ Rj ®−îc nèi bëi mét cung trªn ®ã mang gi¸ trÞ vÒ ®é ®o sù kh«ng ®ång ®Òu thuéc tÝnh gi÷a 2 miÒn E(Ri, Rj). • ChØ tiªu kÕt hîp Hai miÒn kÒ R vμ R sÏ ®−îc kÕt hîp thμnh mét miÒn R : R=R ∪R nÕu gi¸ trÞ ®é ®o vÒ sù kh«ng ®ång ®Òu thuéc tÝnh i j i j gi÷a 2 miÒn lμ nhá nhÊt. Qu¸ tr×nh kÕt hîp ®−îc dùa trªn sù kiÓm tra ®iÒu kiÖn vÒ sai sè b×nh ph−¬ng nh− sau : N ( ) E(N)= ∑ ∑ A(s)−m(R ) 2 k k=1s∈Rk • Néi dung thuËt to¸n kÕt hîp - B−íc ®Çu : X©y dùng ®å thÞ c¸c miÒn kÒ cña ¶nh sau qu¸ tr×nh ph©n chia : G(V, E), vμ chän ng−ìng - B−íc lÆp : KÕt hîp c¸c miÒn kÒ R et R t−¬ng øng víi c¸c cung cã gi¸ trÞ nhá nhÊt. i j CËp nhËt ®å thÞ c¸c miÒn kÒ G(V, E) vμ tÝnh sai sè E(N) sau mçi lÇn kÕt hîp KiÓm tra ®iÒu kiÖn lÆp dùa trªn E(N) - B−íc cuèi : KÕt qu¶ ph©n vïng dùa trªn ®å thÞ c¸c miÒn kÒ sau qu¸ tr×nh lÆp, t¸ch c¸c vïng vμ hiÖu chØnh (nÕu c©n) m= 1,0 m= 1,3 0,9 0 m= 1,0 1,43 0,9 m= 1,8 m= 2,0 2,6 0,9 0 0 m= 1,0 m= 1,0 0 2,6 1,8 2 2 4,2 m= 1,9 m= 2,0 m= 2,0 1,8 0 a) b) Xö lý ¶nh NguyÔn ThÞ Hoμng Lan
评论 (0)
暂无评论。快来抢沙发吧！