欢迎光临
我们一直在努力

什么是识别阈第4章 结合阈值分割的分水岭算法

源图规则,局区域隐含存虚假局极值,且局极值量标提取,采岭算源图割操,产割,造图标轮廓提取,标确割。,决传统岭算虚假局极值割题,章采合阈值割岭算源图阈值优化操,仅消除易造区域极值,且岭算较准确,具义征割图,改善传统岭算易产割缺陷。

阈值割效且简单基区域图割,图素集合依据灰级划,拥质区域及具质邻区域,且区域际景致。阈值割基思依据图割标、背景灰征,取佳阈值,图素隶属标背景划,图划类区域组合完图割。

阈值割基,设置差征阈值,割图素类,即确阈值待割图素灰值较,根据图素标背景类素集合。假设始图(,),遵循准则确待割图阈值;根据阈值阈值素值设,阈值素设,初始图(,)割,割(,),且图(,)达式:

阈值割达式,确佳阈值整阈值键,该。际,图素类,单阈值够,需阈值图素类操。单阈值算阈值算例,阈值算单阈值算步展。图阈值割框图图-示。

图阈值割步骤步:首,确待割图阈值;,待割图阈值待割图素灰级较,终划区域图,即割图。

阈值割局阈值、局阈值及态阈值。局阈值求图佳割阈值,包含基局阈值基区域局阈值;局阈值指割图划图,图采局阈值依求佳割阈值图割。换句,局阈值图图局阈值组合;态阈值指依据待割图素邻素灰值状况,态运算求图佳阈值。

局阈值包含基局阈值基区域局阈值。基局阈值依据图灰值确阈值;基区域局阈值依据图邻域素局灰值布确阈值。基局阈值包含图、误差、矩量保持及熵;基区域局阈值包含图换、概率松弛及灰布统计。

.图

图基思依据待割图灰布图确图阈值,包括-(-)、双峰及图凹析。

-早灰图阈值割,依靠顺积累灰图值获取图阈值。假设待割图灰级背景存灰级低标,且标待割图积例,依累计灰图值,求灰级图待求阈值。-计算简单,该必须预标图积,未随图化,该挥割。

双峰适状态标背景较清晰图,且图灰图呈双峰状布,波谷待割图缘,选取阈值恰波谷置,获较割效。,际图况般较复杂,图图参差齐,辨波峰、波谷,适图割。

图凹析适图波谷图。该凹图谷底“肩”,且图“肩”置确佳阈值。始灰图存毛刺,该准确图“肩”置,导致产错误割。

.误差

误差基思灰图视验概率态布概率密函()估计,假图标背景灰布均值,差。()达式式(-),且佳阈值式(-)求。

计算图阈值,需统计参量及值,值均未,引准则函(),化准则函()求佳阈值。()达式式(-),()达式式(-),()达式式(-),()达式式(-)及达式式(-)。

图标背景,及增,计算量及计算增,该具局限。

.矩量保持

矩量保持称矩守恒阈值,即优阈值待割图割图矩量保持恒。若待割图素灰值∈{,,,,…,-},且灰级,(∈{,,,,…,-})灰级待割图;灰级频率,达式式(-),阶矩,达式式(-)。,阈值割足阶矩恒,矩量保持程式(-),阈值化灰值,示阈值化灰值布概率,求程组式(-),求及参、,且式(-),求即,待割图优阈值。

状态假设割割图矩量保持恒提,般况图复杂素影响,图割矩量均化,该具普遍。

.熵

熵早香农熵概念提。该图完灰布图示提,图熵量图标割。熵系统息量,,义式式(-),符号概率。义图熵,图灰级概率,图熵达式式(-)。

图阈值割熵概念,质研究灰图熵测量,寻找图优阈值,若熵义角,熵。例,考虑图灰空布,素灰值邻素灰均值计算图,二维熵阈值割。较熵维熵阈值二维熵阈值。

维熵阈值基假设灰级割图,素集合义背景,且素集合义标;图标背景灰级熵计算图熵,达式式(-),,图背景熵,达式式(-);图标熵,达式式(-);图背景占积例,达式式(-);图标占积例,达式式(-);图灰级概率。

二维熵阈值基维熵阈值计算图灰级概率二维坐标示。例,图素灰均值(,)概率,即图灰,区域灰均值计算灰各素及八邻域素组区域均值概率。综述,图素,熵计算量及计算增,该具局限。

.图换

图换基思依照图素征,素权取图求取图佳阈值。,该取佳阈值键选取合适权及佳权值。

.概率松弛

概率松弛基假设图较暗标较亮背景组,且概率示该图素及素空,选择合适阈值调整素概率,素属暗标区域亮背景区域,迭图标背景显割。该简单,仅仅适待割图标背景灰级图半况。

.灰布统计

灰布统计典型灰共矩阵。灰共矩阵元素灰级邻置概率。该图,且图灰共矩阵近角线元素、角线元素,该佳阈值图波谷波峰叠区域获。该图波谷波峰叠效,寻找佳阈值完图割。

局阈值待割图标背景较清晰,取较割效,图标背景较模糊、背景布匀称、标残缺标灰转率况,该适。况需采局阈值待割图图,图采局阈值依求佳割阈值图割,完具统阈值图割操。

标背景较模糊、背景均匀、标残缺标灰化率较图,获适整幅图阈值,须采态阈值。该根据待割图素及邻域素灰值状况,态计算图佳阈值。态阈值包括:提、提及提。

综述,阈值割:局阈值=[(,)],图素灰值;局阈值=[(,),(,)],仅图区域各素值,且各素邻素值;态阈值=[,,(,),(,)],仅图素空坐标,且该素局区域质。

类差()典型参、监督确阈值阈值割。早,该算津展提,二乘基础推导求。该须预验识,具算简、运算速、标背景离较及拥适阈值优,该广泛图割。

类差基依据待割图素灰,图标背景类型;若图标背景类差,则示标背景差,图背景息误判标息,图标息错判背景息,该图标背景类差取值。,该足图素类差类差,味误差,取优阈值,图精确割。

类差思:

)维类差基:假设待割图,该图灰级共,图灰值素,图素,达式式(-);图各素灰值概率,达式式(-)。,该确阈值,图素按照灰级组素集合,达式式(-)式(-);素集合概率(示()),达式式(-),素集合概率,达式式(-);均值,达式式(-),均值,达式式(-);整图灰均值,达式式(-);()图阈值,整图灰值均值,达式式(-);采灰值均值,达式式(-);()组素集合差,称阈值选取函,达式式(-),且求式(-)()值,(),值该佳阈值。

)二维类差基:假设待割图(,),图素坐标(,),图灰级共,(,)×邻域均灰值,达式式(-);该图灰值(,)×邻域均灰值(,)示图,,,,=((,),(,)),且素坐标(,),该素灰值(,),邻域均灰值(,);,(,)频率,达式式(-)。

二维类差二维灰图图-示。图横、纵坐标二维类差割阈值(,),图、、、区域;图标背景集、区域,、区域乎图标背景,区域标背景布概率乎近。素集合图标背景,即图、区域,且概率()、(),达式式(-)式(-);素集合灰均值矢量,达式式(-)式(-);待割图灰均值矢量,达式式(-);该图离散矩阵,达式式(-);离散矩阵迹(),且离散矩阵迹()取值,取该图佳阈值(,),佳阈值((,)),((,))达式式(-)。

待割源图标背景差,背景呈均匀布,采类差割源图,仅源图割阈值握,且造图缘息残缺,,针缺陷章类差改。量验证,图梯运算转梯图保存图息,除图局极值及干扰噪,图标背景突,图图具显双峰,获优阈值,且合梯征阈值割够源图取较割效,章梯算类差合源图割。

合梯征类差步骤:首源图梯化获取梯息,保存图完整缘息,准确寻找优阈值奠基础;类差源图割。图梯化阶差示梯,且计算阶差包含:缘检测算、缘检测算及缘检测算;计算梯值图卷积图区域模板,缘检测算卷积图区域模板计算梯值典型。

缘检测算计算图(,)、阶差,,…,各素,则、阶差示,达式:

=(++)-(++)(-)

=(++)-(++)(-)

缘检测算计算图(,)、阶差,,…,各素,则、阶差示,达式:

=(-)

=(-)

缘检测算计算图(,)、阶差,,…,各素,则、阶差示,达式:

=(++)-(++)(-)

=(++)-(++)(-)

缘检测算八八模板组算,该算卷积,即八值及该值,缘及强示具梯征图。

若图(,),且该图灰取值范围∈(,-),则图(,)梯Δ(,),达式式(-);Δ(,)幅值((,)),达式式(-);Δ(,)(,),达式式(-)。

章采形态闭运算源图梯化,形态梯运算具非线,缘检测算、缘检测算及缘检测算梯化,增强图形极值,图标背景增,标背景区显;,该具良保持图轮廓区域效,保存图完整缘息,准确寻找佳阈值良基础。图-测试源图,图-类差割图,图-改类差即合梯征类差割图。

图-图-,采类差,源图背景较复杂,背景呈均匀布,源图割阈值寻找,甚图-量标极值区域,割效差图-合梯征类差割效。

,章采合梯征类差岭算改,形合梯征类差岭算,具义征割图,决传统岭算虚假局极值割题,且岭算较准确,改善传统岭算易产割缺陷。选取图噪、滑、滤波预图输图,采合梯征类差割,割图-图-示,图-图阈值割图,图-红图阈值割图;阈值割图岭割,割图-图-示,图-图合阈值算岭割图,图-红图合阈值算岭割图。

述验,合阈值算岭算岭算割效,该算消除易造区域极值,岭算较准确,除复杂背景,且具义征割图,改善传统岭算易产割缺陷。

章研究源图阈值割,首研究阈值割基思、基及阈值割算基步骤,寻找合适阈值割奠论基础;,析较阈值割,寻找佳阈值割提供思;,研究类差,该改,提合梯征类差,改类差岭算改,提合阈值算岭割,且改算++.环境验,验析。

赞(0)
未经允许不得转载:上海聚慕医疗器械有限公司 » 什么是识别阈第4章 结合阈值分割的分水岭算法

登录

找回密码

注册