Bài giảng Xử lý ảnh: Chương 7 - Nguyễn Thị Hoàng Lan

Bài giảng Xử lý ảnh - Chương 7: Phân vùng ảnh. Nội dung chính trong chương này gồm có: Các thuộc tính của điểm ảnh và của vùng ảnh, khái quát chung, phương pháp phân lớp, phương pháp cấu trúc. Mời các bạn cùng tham khảo.
Nội dung trích xuất từ tài liệu:
Bài giảng Xử lý ảnh: Chương 7 - Nguyễn Thị Hoàng Lan®¹i häc B¸ch khoa Hµ néiKhoa C«ng nghÖ th«ng tinCh−¬ng 7Ph©n vïng ¶nh1. 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 tÝnhthuéc 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¸ctËp 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¸cpixel 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 chØnhXö lý ¶nhNguyÔn ThÞ Hoµng Lan®¹i häc B¸ch khoa Hµ néiKhoa 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 chiÒuhoÆc 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¶nThuéc tÝnh tÇn sèThuéc tÝnh thèng kª, tham sè th«ng kªThuéc tÝnh h×nh häc, tham sè h×nh häcThuéc 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 CkXö lý ¶nhNguyÔn ThÞ Hoµng Lan®¹i häc B¸ch khoa Hµ néiKhoa C«ng nghÖ th«ng tin• Ph−¬ng ph¸p ph©n líp c¸c ®iÓm ¶nh trong kh«ng gian thuéc tÝnh ®a chiÒuTiªu 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 Tj(0)B−íc lÆp (t = 1, 2 ...) :+ Thùc hiÖn ph©n líp theo c¸c ng−ìng Tj(t-1)+ TÝnh gi¸ trÞ trung b×nh trong mçi líp mk(t)+ TÝnh c¸c gi¸ trÞ ng−ìng míi Tj(t) theo c¸c gi¸ trÞ mk(t)+ KiÓm tra ®iÒu kiÖn lÆpB−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 vïng4. 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 kÒNguyªn t¾c chia ¶nh dùa trªn cÊu tróc c©y tø ph©nRxRi1Ri2Ri3Ri4R11R12R13R14RiXö lý ¶nhR121 R122 R123 R124 R131 R132 R133 R134NguyÔn ThÞ Hoµng Lan®¹i häc B¸ch khoa Hµ néiKhoa C«ng nghÖ th«ng tinThuËt to¸n ph©n chia miÒn kÒ d−¹ trªn cÊu tróc c©y tø ph©n•ChØ tiªu ph©n chiaSè ®o ®é ®ång ®Òu thuéc tÝnh cu¶ miÒn R:σ ( R) =NÕu12∑ ( A( s) − m( R)) vµcard ( R) s∈Rσ(R) > θth×Pred(R) = 0,Hµm vÞ tõ : Pred(R)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 chiaVÝ dô11111122Xö lý ¶nh1111112211111122111111221112112211222222112222221222222211111122111111221111112211111122111211221122222211222222122222220000000000000000000000000000000000.8.2.9.9.1.100.2.2.1.1.1.133001111.3.300.1.1,1.1NguyÔn ThÞ Hoµng Lan®¹i häc B¸ch khoa Hµ néiKhoa C«ng nghÖ th«ng tinThuËt 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 kÕtHai 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 hîpHai miÒn kÒ Ri vµ Rj sÏ ®−îc kÕt hîp thµnh mét miÒn R :R = Ri ∪ R jnÕu gi¸ trÞ ®é ®o vÒ sù kh«ng ®ång ®Òu thuéc tÝnhgi÷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 :NE ( N ) = ∑ ∑ A( s) − m( R k ) 2k =1 s∈R k(•)Néi dung thuËt to¸n kÕt hîp-B−íc ®Çu :B−íc lÆp :-B−íc cuèi :X©y dùng ®å thÞ c¸c miÒn kÒ cña ¶nh sau qu¸ tr×nh ph©n chia : G(V, E), vµ chän ng−ìngKÕt hîp c¸c miÒn kÒ Ri et Rj t−¬ng øng víi c¸c cung cã gi¸ trÞ nhá nhÊt.CËp nhËt ®å thÞ c¸c miÒn kÒ G(V, E) vµ tÝnh sai sè E(N) sau mçi lÇn kÕt hîpKiÓm tra ®iÒu kiÖn lÆp dùa trªn E(N)KÕt ...