搜索
《数字图像处理》大作业—2013年春1作业内容图像分割（ImageSegmentation）。给定测试集的图像，对图像进行分割。下面是示例图片：2作业数据集图像分割数据集。TheBerkeleySegmentationDataset[1]，数据集网址请见参考资料[2]，标注结果请见参考资料[3]，请从该网站下载，内容包括：(1)训练集。包括图片200张，在BSDS300-images\BSDS300\images\train文件夹中；(2)测试集。包括图片100张，在BSDS300-human\BSDS300\human文件夹中。其中，标注结果的详细格式说明请见参考资料[4]。另外，需要注意的是本作业对数据集中彩色图像进行分割即可。3图像分割的常见方法图像分割常见的方法有：（1）基于轮廓的分割方法。轮廓检测方法是通过局部区域像素灰度值来检测给定图像位置是否出现轮廓。常用的检测算子有：Sobel算子、Canny算子、LOG算子等。还有一些方法考虑颜色、纹理等信息，如结合亮度梯度、颜色梯度或纹理梯度来检测轮廓，将它们作为逻辑回归分类器的输入，从而预测边缘的强度[5][6]。该类方法一般可以使用数据集的训练集对图像的分割进行有监督学习。（2）基于区域的分割方法。基于区域的图像分割考虑了图像的空间信息，利用图像亮度、颜色、纹理和像素统计特性等，进而将目标对象划分为同一区域的分割方法。常见的方法有：K-Means、MeanShift、区域合并法、基于图论的NormalizedCut方法[7]等。该类方法一般可以对图像的分割进行无监督学习。（3）其他方法。常见的其他图像分割方法有：基于阈值的分割方法、基于直方图的分割方法等。另外，还可以参考资料[8][9][10]。【建议】不限制具体的做法，以上方法只是提供基本的参考，可以沿着其中的一个或几个方向来做，鼓励使用其他的方法来做。要求要有足够的工作量和深度。4结果评测指标4.1F-measure对图像分割任务进行评测。假设某个像素为边缘的概率为P，对于P可以采用不同的阈值进行图像的分割，我们采用30个阈值将区间[1/(30+1),30/(30+1)]平均划分，即1/31,2/31,…30/31。在每个阈值上我们可以获得Precision(P)、Recall(R)，将L组(Precision,Recall）值看作点，可以得到一条PR曲线。另外，根据PR曲线上的每个(Precision,Recall）点，可以分别计算F-measure(F)。我们采用最大的F-measure作为最终的评测指标。如下图所示：(1)Precision为实验结果中边界像素是真实边界像素的概率，Recall是标注中边界像素被检测出来的概率。假设实验结果中正确的边界像素个数为N1，实验结果中边界像素个数为N2，标注中边界像素个数为N3。(2)根据以上结果计算Precision，Recall，F-measure。P=𝑁1𝑁2，R=𝑁1𝑁3，F=2∗𝑃∗𝑅𝑃+𝑅。可以参考：://en.wikipedia.org/wiki/F1_score建议阅读参考资料[1]中的相关内容，并采用Benchmark[11]中的评测代码进行评测。4.2速度提供每张图像分割的平均速度，以秒为单位。5程序界面要求图形界面：实现一个图形化的界面用来展示图像分割结果。（1）从该界面中可以浏览整个图像分割数据集；（2）可以对原图、标注结果和实验结果进行展示；（3）可以查看分割结果的Precision，Recall，F-measure以及分割时间；【建议】以上只是初步的要求。请认真进行设计，制作实用、简明、美观的图形界面。5作业提交方式本次作业至少需要提交以下内容：提交内容详细要求作业文档详细介绍采用的算法和流程，包括图像分割的方法、使用的特征与模型、以及最终的图像分割结果等。程序源代码相关程序的全部源代码，要求能够正常编译和运行；如果程序中使用了网上的开源代码，请同时提供下载地址。程序说明详细说明如何编译源代码、如何运行图像分割程序、如何评测图像分割结果。助教将根据“程序说明”编译你的源代码，并重新运行图像分割程序，如果出现代码无法编译、运行出错、运行结果与提交结果不一致等情况，在正常评分的基础上将酌情减分。【注意】虽然这些图像的分割结果都是已知的，但这只是用于最后的评测。在分割的过程中，请只使用从图像中提取的特征作为分割的依据，不能直接或间接使用图像的标注分割结果作为分割的依据。参考资料[1][2][3][4]]D.Martin,C.Fowlkes,andJ.Malik,“LearningtoDetectNaturalImageBoundariesUsingBrightnessandTexture”,NIPS,2002.[6]D.Martin,C.Fowlkes,andJ.Malik,“LearningtoDetectNaturalImageBoundariesUsingLocalBrightness,ColorandTextureCues,”TPAMI,2004.[7]J.ShiandJ.Malik,“NormalizedCutsandImageSegmentation,”TPAMI,2000.[8][9][10]P.Arbelaez,M.Maire,C.Fowlkes,andJ.Malik,“ContourDetectionandHierarchicalImageSegmentation”,TPAMI,2011.[11]