几种常用的图像分割方法
图像分割有很多各种各样的方法：1）基于数学统计的方法（灰度直方图）2）基于纹理的方法3）基于阈值的方法4）基于深度学习的方法5）基于几何数学的方法。当然这五种方法也可以交叉使用，总之，挑选适用的方法效率最高，分割效果也最好。
1）基于数学统计的方法
数学统计主要是分析数据的直方图，根据直方图中概率模型进行分割，如统计图像某一个范围内的值所占比重，利用这种特定 的比重去分割图像；或者使用聚类的方法将图像聚类到不同类别；
2）基于纹理的方法
基于纹理的方法主要是根据地物纹理的不同特征（粗糙度，相似性等）对图像进行分割，主要用到灰度共生矩阵、分形理论、直方图矩等方法。纹理分析的一个弊端是：不能有效区分纹理相似但属性不同的地物（如山地雪和云，其粗糙度和自相似性基本一致，但是可以分割其他地物）；
3）基于阈值的方法
阈值分割通常有两种：经验阈值和自适应阈值；在实际应用中，经验阈值较为常用，可以根据生产需求进行设定；自适应阈值在自动化过程中用的多，一般自适应算法都要选择自适应阈值。
4）基于深度学习的方法
目前深度学习还处在一个尴尬的时期，去学习自然界的地物特征需要大量经验的总结，进度缓慢。
5）基于几何数学的方法
几何学是从自然界中抽象出来的一门学科，其运行符合一定的自然运行规律，在某些图像分割中使用一些简单的几何图形（如三角形，方形，圆形，直线，角度，面积，周长）（高维的有分形几何）就可以将目标分割出来。
6）几种方法的结合使用
在进行图像分割时经常使用不同方法结合使用来达到分割效果良好的状态，分割步骤的不同，使用顺序也不同：数学统计的方法一般作为预处理和中间参考来使用（因为它是基于概率统计的，有一定 的参考性）；纹理的方法是作为分割主要策略来进行的；阈值分割通常作为最后的分割手段，几乎在所有图像分割中都要用到，是作为结果输出的部分。深度学习迭代需要大量的样本进行训练，因为数据的供求和样本制作的耗时耗力，个人不太好做，需要机会。
几种常用的图像分割方法相关推荐
- 结合Scikit-learn介绍几种常用的特征选择方法
特征选择(排序)对于数据科学家.机器学习从业者来说非常重要.好的特征选择能够提升模型的性能,更能帮助我们理解数据的特点.底层结构,这对进一步改善模型.算法都有着重要作用. 特征选择主要有两个功能: 减 ...
- 异常数据4种剔除方法_数据分析系列 22/32 | 9种常用的数据分析方法
要使各种结构化的.非结构化的.海量的数据实现标准化.信息化,能够提供业务绩效评估.业务决策支持等要求,我们首先需要进行数据分析. 同时,围绕业务问题,采用合适的分析方法,分析模型,以及分析工具,这是数 ...
- python 卡方检验 特征选择_结合Scikit-learn介绍几种常用的特征选择方法
特征选择(排序)对于数据科学家.机器学习从业者来说非常重要.好的特征选择能够提升模型的性能,更能帮助我们理解数据的特点.底层结构,这对进一步改善模型.算法都有着重要作用. 特征选择主要有两个功能: 减 ...
- 几种常用的优化方法梯度下降法、牛顿法、）
几种常用的优化方法 1. 前言 熟悉机器学习的童鞋都知道,优化方法 ...
- (转)几种常用存储过程分页方法
我们先给出几种主要的分页方法和核心语句,然后直接给出结论,有兴趣的读者可以看看后面的数据 几种常用存储过程分页方法 TopN方法 select Top(@PageSize) from TableNam ...
- 功能测试常用6种方法_16种常用的数据分析方法聚类分析
聚类(Clustering)就是一种寻找数据之间内在结构的技术.聚类把全体数据实例组织成一些相似组,而这些相似组被称作簇.处于相同簇中的数据实例彼此相同,处于不同簇中的实例彼此不同. 聚类分析定义 聚 ...
- lasso特征选择python_转：结合Scikit-learn介绍几种常用的特征选择方法-2
4.2 平均精确率减少 Mean decrease accuracy 另一种常用的特征选择方法就是直接度量每个特征对模型精确率的影响.主要思路是打乱每个特征的特征值顺序,并且度量顺序变动对模型的精确率 ...
- 干货：结合Scikit-learn介绍几种常用的特征选择方法
原文:http://dataunion.org/14072.html 作者:Edwin Jarvis 特征选择(排序)对于数据科学家.机器学习从业者来说非常重要.好的特征选择能够提升模型的性能,更能帮 ...
- 几种常用的差异分析方法简介
几种常用的差异分析方法简介 如今在生物学研究中,差异分析越来越普遍,也有许多做差异分析的方法可供选择.但是在实际应用中,大多数人不知道该使用哪种方法来处理自己的数据,所以今天我就来介绍下目前几种常用的 ...
最新文章
- 指示灯组与3个复位按钮的介绍Arduino Yun快速入门教程
- First use cursor and initially understand it
- 完结篇 | 吴恩达《序列模型》精炼笔记（3）-- 序列模型和注意力机制
- while(getchar()=='\n')continue;为什么作用是清空行
- rhel 6下配置网络yum源（虚拟机环境下）
- QT的QHBoxLayout类的使用
- 03.shard_allocation_和_cluster的routing设置
- 词云图 - WorldCloud - Python代码实现
- java flushdb_JAVA - Redis
- 网安入门须知：Python基础导读
- 【前端 · 面试 】HTTP 总结（二）—— HTTP 消息
- 关于P,V操作理解的分析
- 那些不知所措的运算符优先级
- 技术至简-8：调制解调到底是什么样的数学运算？---从时域和频域两个角度看调制解调的本质
- Android 修改屏幕尺寸
- 双足机器人的稳定性判据_仿人双足机器人步态规划——零力矩点（ZMP）
- 卷积神经网络（CNN）详解
- 输入一个数判断一个数是不是质数，如果是质数输出“YES“,否则输出“NO“
- MBR“主引导记录”的局限性与GPT GUID分区表的优势
- win10的怎么调计算机亮度,win10电脑亮度怎么调