La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer.

Présentations similaires


Présentation au sujet: "u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer."— Transcription de la présentation:

1

2 u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer EMGU et OpenCV, voir le site suivant: MAP-6014 Concepts avancés en mathématiques et informatique appliquées

3 Segmentation par seuillage u Niveaux de gris (des images à niveaux de gris) u Différences (détection des changements)

4 FIGURE 2-7 [rf. SCHOWENGERDT, p. 69] Segmentation par seuillage binaire (des images à niveaux de gris)

5

6 134 Ex: findThresholdFaceNIR.c

7 Segmentation par seuillage binaire (des images à niveaux de gris)

8 FIGURE 2-8 [rf. SCHOWENGERDT, p. 70] Détection des changements [soustraction d images] (a) 1972.(b) = Vous en souvenez-vous ? images Landsat MSS du complexe minier cuprifère de "Twin Buttes" (au sud de Tucson en Arizona)

9 FIGURE 2-9 [rf. SCHOWENGERDT, p. 71] Segmentation par seuillage binaire (détection des changements)

10 Figure 7.25 [rf. GONZALEZ, p. 444] Choix des seuils (par inspection de lhistogramme)

11 Figure 7.27 [rf. GONZALEZ, p. 448] Choix des seuils (optimaux : par minimisation de la probabilité derreur)

12 Choix des seuils (optimaux)

13 u Supposons que nous observons deux surfaces dans une image u La probabilité p(z) davoir une valeur de niveau de gris z dans limage est donnée par: p(z) = P 1 p 1 (z) + P 2 p 2 (z) où: P 1 : probabilité doccurrence de la surface 1, Fraction de limage correspondant à la surface 1 P 2 : probabilité doccurrence de la surface 2, Fraction de limage correspondant à la surface 2

14 Choix des seuils (optimaux) où: p 1 (z): probabilité doccurrence dun pixel de niveau de gris z dans la surface 1 p 2 (z): probabilité doccurrence dun pixel de niveau de gris z dans la surface 2 u Si nous supposons que p 1 (z) et p 2 (z) sont distri- bués selon une loi normale nous obtenons:

15 Choix des seuils (optimaux) où: 1 et 2 sont les moyennes des valeurs de niveaux de gris des surfaces 1 et 2 respectivement et 1 et 2 leur écart-type u p(z) devient alors: u De plus nous savons que

16 Choix des seuils (optimaux) u La probabilité derreur T

17 Choix des seuils (optimaux) u Déterminons la probabilité derreur de classifica- tion dans les classes 1 et 2 (surfaces 1 et 2) u Nous définissons E 1 la probabilité de classer un pixel dans la classe 1 lorsquil appartient à la classe 2 et E 2 la probabilité de classer un pixel dans la classe 2 lorsquil appartient à la classe 1 u De plus nous voulons savoir quelle sera lerreur causée par le choix dun seuil donné T

18 Choix des seuils (optimaux) u Les probabilités derreur sont données par: u La probabilité derreur totale est alors donnée par:

19 Choix des seuils (optimaux) u Cherchons une valeur de T qui minimise E(T) uAprès simplifications nous obtenons une expression de la forme:

20 Choix des seuils (optimaux) u Les coefficients A B et C sont donnés par:

21 Choix des seuils (optimaux) u Lorsque les variances sont égales:

22 Choix des seuils (optimaux) u Lorsque les surfaces sont équiprobables:

23 imageasegmenter.rast Exemple de segmentation segmentation

24 imageasegmenter.rast Exemple de segmentation (Détection de pupilles)

25 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.h)

26 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp)

27 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp)

28 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp)

29 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp, LocateExtremum)

30 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp, LocateExtremum …)

31 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp, LocateExtremum …)

32 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp, ThreshHistogram)

33 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp, ThreshHistogram …)

34 imageasegmenter.rast Exemple de segmentation (Détection de pupilles, Histogram.cpp)

35 Résumé u Segmentation des images par seuillage –Segmentation par seuillage *Niveaux de gris *Différences –Choix des seuils *Par inspection de lhistogramme *Optimal


Télécharger ppt "u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer."

Présentations similaires


Annonces Google