亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于內(nèi)外邊緣顏色特征的圖像檢索算法

        2010-01-01 01:45:20鄭秋梅王紅霞閔利田
        圖學(xué)學(xué)報(bào) 2010年2期
        關(guān)鍵詞:查準(zhǔn)率直方圖邊緣

        鄭秋梅, 王紅霞, 閔利田

        (中國石油大學(xué)計(jì)算機(jī)與通信工程學(xué)院,山東 東營 257061)

        基于全局顏色直方圖的圖像檢索算法考慮了圖像的整體顏色,較為簡便和直觀,但忽略了圖像目標(biāo)和背景的主次關(guān)系。為了能夠突出圖像的主體部分,本文將邊緣檢測技術(shù)應(yīng)用到基于顏色特征的圖像檢索中,提出了一種基于內(nèi)外邊緣顏色特征的圖像檢索算法(Edge Color-Based Image Retrieval,簡稱ECBIR)。ECBIR算法運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法提取圖像的邊緣信息,即在結(jié)構(gòu)元素的選取時(shí),內(nèi)邊緣采用多尺度多結(jié)構(gòu)元素的方法,外邊緣采用單一結(jié)構(gòu)元素的方法。通過這種方法提取內(nèi)外邊緣信息,突出了圖像邊緣在圖像檢索中的重要作用,使代表圖像主體的內(nèi)邊緣信息比代表背景部分的外邊緣信息比重大,并且更加精確;然后根據(jù)邊緣信息分別提取位于內(nèi)外邊緣處的顏色特征,合成新的特征向量,并以此作為圖像相似性度量的依據(jù),進(jìn)行圖像檢索。ECBIR算法較全局顏色直方圖算法,在查全率和查準(zhǔn)率上有了很大的提高,同時(shí)減少了數(shù)據(jù)庫中顏色特征的存儲空間。

        1 利用數(shù)學(xué)形態(tài)學(xué)提取圖像內(nèi)外邊緣信息

        邊緣是圖像最基本的特征,它包含了圖像絕大部分有用信息,圖像的邊緣處理是圖像分析中一項(xiàng)重要的預(yù)處理技術(shù)。數(shù)學(xué)形態(tài)學(xué)是一門新興的、以形態(tài)為基礎(chǔ)對圖像進(jìn)行分析的學(xué)科[1],它以嚴(yán)格的數(shù)學(xué)理論和幾何學(xué)為基礎(chǔ),算法簡單、可并行處理、速度快、易于硬件實(shí)現(xiàn)的同時(shí),能較好的保持圖像的細(xì)節(jié)特征,較好的解決了邊緣檢測精度與抗噪性能的協(xié)調(diào)問題。因此,本文利用數(shù)學(xué)形態(tài)學(xué)提取圖像內(nèi)外邊緣信息。

        圖像的內(nèi)外邊緣代表的意義不同,內(nèi)邊緣代表目標(biāo)部分,外邊緣代表背景部分,ECBIR算法對內(nèi)外邊緣信息區(qū)別對待,采用兩種不同的方法來提取圖像的內(nèi)外邊緣信息,為了突出圖像主體部分,ECBIR算法加大了內(nèi)邊緣信息的權(quán)重,來加強(qiáng)圖像主體對檢索的貢獻(xiàn)。這也是ECBIR算法的核心所在。在內(nèi)邊緣提取方面,采用了一種基于多尺度多結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)圖像邊緣檢測算法,該算法構(gòu)造了5個(gè)不同的結(jié)構(gòu)元素,應(yīng)用數(shù)學(xué)形態(tài)學(xué)的腐蝕算法進(jìn)行加權(quán)運(yùn)算,得到了圖像5個(gè)方向不同寬度的內(nèi)邊緣信息,然后通過加權(quán)平均將這5個(gè)邊緣信息合成圖像最終的內(nèi)邊緣,為基于顏色特征的圖像檢索做準(zhǔn)備;在外邊緣提取方面,采用基于3×3方形結(jié)構(gòu)的數(shù)學(xué)形態(tài)學(xué)膨脹算法,這種方法實(shí)現(xiàn)簡單,且運(yùn)行速度較快。通過以上方法提取的圖像內(nèi)外邊緣信息,內(nèi)邊緣信息比重較大,并且比較精確,突出了內(nèi)邊緣代表的目標(biāo)部分。

        1.1 內(nèi)邊緣特征的提取

        ECBIR算法通過數(shù)學(xué)形態(tài)學(xué)的方法提取圖像的邊緣信息,考慮到圖像內(nèi)外邊緣的重要程度不同,通過不同的方法提取內(nèi)外邊緣信息,賦予不同的權(quán)重。鑒于內(nèi)邊緣的重要性,采用了以下方法:① 采用多結(jié)構(gòu)元素,提取不同方向的內(nèi)邊緣信息;② 采用多尺度方法,提取較粗的邊緣;③ 增大了內(nèi)邊緣對應(yīng)的目標(biāo)部分的權(quán)重,突出圖像的主體。

        內(nèi)邊緣特征提取的步驟如下:

        (1) 內(nèi)邊緣檢測算法

        通過下述算法[2]提取圖像P的內(nèi)邊緣eI(P):B為結(jié)構(gòu)元素集合,首先令P被B腐蝕,然后求圖像P與它的腐蝕的差

        (2) 基于多結(jié)構(gòu)元素的內(nèi)邊緣提取

        兼顧到圖像不同方向的邊緣,結(jié)構(gòu)元素B設(shè)計(jì)為4個(gè)3×3模板,分別是

        B1= [0 1 0; 0 1 0; 0 1 0]

        檢測圖像垂直方向邊緣

        B2= [0 0 0; 1 1 1; 0 0 0]

        檢測圖像水平方向邊緣

        B3= [0 0 1; 0 1 0; 1 0 0]

        檢測圖像與水平夾角 °45 邊緣

        B4= [1 0 0; 0 1 0; 0 0 1]

        檢測圖像與水平夾角 °135 邊緣

        此外,考慮到檢測圖像不同方向的邊緣,設(shè)計(jì)結(jié)構(gòu)元素B5= [0 1 0; 1 1 1; 0 1 0];

        分別用上述5種結(jié)構(gòu)元素對圖像進(jìn)行(1)中的形態(tài)學(xué)梯度運(yùn)算,將5個(gè)檢測結(jié)果進(jìn)行加權(quán)平均,即可得到尺度n=1下圖像的邊緣Ef1??紤]到圖像各個(gè)方向邊緣出現(xiàn)的概率,將水平和垂直方向邊緣的加權(quán)系數(shù)設(shè)為0.1, °45 邊緣和 °135 邊緣的加權(quán)系數(shù)設(shè)為0.2,無方向邊緣的加權(quán)系數(shù)設(shè)為0.4。

        (3) 基于多尺度的內(nèi)邊緣提取

        采用的多尺度結(jié)構(gòu)元素定義如下(Bi為(2)中定義的5種結(jié)構(gòu)元素)

        式中 n為尺度參數(shù),是一正整數(shù),即大尺度的結(jié)構(gòu)元素由小尺度元素經(jīng)過膨脹運(yùn)算得到,一般膨脹2~5次即可,考慮到計(jì)算量和運(yùn)行速度,本文將各個(gè)結(jié)構(gòu)元素膨脹2次。

        對(2)中所取5個(gè)結(jié)構(gòu)元素按照多尺度結(jié)構(gòu)元素的定義進(jìn)行膨脹[3]。

        當(dāng)n=2時(shí),

        分別用上述5種結(jié)構(gòu)元素對圖像進(jìn)行(1)中的形態(tài)學(xué)梯度運(yùn)算,將5個(gè)檢測結(jié)果進(jìn)行加權(quán)平均,即可得到尺度n=2下圖像的邊緣Ef2。加權(quán)系數(shù)的選擇同(2)中的加權(quán)系數(shù)。

        當(dāng)n=3時(shí),

        分別用上述5種結(jié)構(gòu)元素對圖像進(jìn)行(1)中的形態(tài)學(xué)梯度運(yùn)算,將5個(gè)檢測結(jié)果進(jìn)行加權(quán)平均,即可得到尺度n=3下圖像的邊緣Ef3。加權(quán)系數(shù)的選擇同(2)中的加權(quán)系數(shù)。

        (4) 多尺度邊緣檢測圖像的合成

        1.2 外邊緣特征的提取

        鑒于外邊緣對應(yīng)的背景部分對人們的視覺影響較小,外邊緣的提取采用簡單、速度快的單一結(jié)構(gòu)元素。

        結(jié)構(gòu)元素B采用3×3全“1”集合,首先令P被B膨脹,然后求圖像P的膨脹和圖像P的差

        1.3 簡化邊緣信息

        為了使提取的內(nèi)外邊緣更好的為檢索做準(zhǔn)備,需對提取的邊緣信息做簡化。

        首先調(diào)整內(nèi)邊緣圖像的對比度,再對圖像進(jìn)行二值化,圖像中像素值為“0”的點(diǎn),位于圖像的內(nèi)邊緣上;外邊緣圖像的處理與內(nèi)邊緣相同。

        2 顏色特征的提取

        2.1 顏色空間的選取與量化

        由于傳統(tǒng)的RGB 顏色模型的可分辨色差是非線性的,且沒有直感,采用常用的面向視覺的適合肉眼分辨的HSV顏色模型。一幅圖像包含的直方圖矢量的維數(shù)會很多,所以對HSV空間進(jìn)行適當(dāng)?shù)牧炕詼p少計(jì)算量。由于人眼對色調(diào)、飽和度和亮度的感知不盡相同,對色調(diào)比對飽和度和亮度敏感,因此對這3個(gè)分量進(jìn)行非等間隔量化:將色調(diào)H分成16份,飽和度S和亮度V分成4份,然后將3個(gè)顏色分量合成為一個(gè)一維矢量:L= 16 H+4S+V ,將HSV空間被量化為256種顏色。量化后再計(jì)算直方圖,計(jì)算量會少得多。

        2.2 基于邊緣分布信息的顏色特征的提取

        根據(jù)第1節(jié),完成圖像內(nèi)外邊緣信息提取后,就可以進(jìn)行顏色特征的提取了,首先,掃描其內(nèi)邊緣的像素點(diǎn),若該像素點(diǎn)的值為“0”,則提取該像素點(diǎn)的RGB值,并將從RBG顏色模型轉(zhuǎn)換到HSV顏色模型,對HSV模型量化后計(jì)算顏色直方圖;其次,依照掃描內(nèi)邊緣的步驟,對外邊緣進(jìn)行掃描,提取外邊緣的顏色直方圖。將依據(jù)內(nèi)外邊緣提取的顏色直方圖,合成新的包含空間信息的特征向量。ECBIR算法生成的顏色直方圖信息,由于內(nèi)邊緣比外邊緣的比重大,因此顏色特征中內(nèi)邊緣的顏色特征也就比外邊緣比重大,突出了圖像的主體部分。

        2.3 相似性匹配

        依據(jù)人眼對內(nèi)外區(qū)域的關(guān)注程度是呈線性遞減分布的計(jì)算權(quán)值的理論公式[4],設(shè)X為關(guān)鍵圖像,Y是圖像庫中的一幅圖像。設(shè)兩幅圖像的 顏色特征向量分別為X=( x1, x2, … , xn)與Y=( y1, y2, … , yn),兩幅圖像的相似性度量采用 直方圖相交[5]的方法計(jì)算

        n=256,表示在HSV空間中量化后直方圖的矢量維數(shù)。 ),( yxD ]1,0[∈ ,它的值越大,則兩 幅圖像越相似。

        3 實(shí)驗(yàn)結(jié)果分析

        ECBIR算法中基于數(shù)學(xué)形態(tài)學(xué)的邊緣特征提取部分,是通過Matlab批量處理的,對圖像進(jìn)行預(yù)處理,提取的圖像內(nèi)外邊緣信息,再使用VC++6.0實(shí)現(xiàn)了一個(gè)基于不同權(quán)重的內(nèi)外邊緣提取圖像顏色特征的圖像檢索系統(tǒng)。實(shí)驗(yàn)使用的圖像庫是SIMPL Icity[6]系統(tǒng)使用的測試集,從Corel圖像庫中抽取的1000幅圖像,這些圖像分屬10大類,每類100幅。內(nèi)容包括非洲人、海灘、建筑物、公共汽車、恐龍、大象、花卉、馬、山脈和食物等。

        下面的實(shí)驗(yàn)是采用全局顏色直方圖的方法和本文的基于權(quán)重提取圖像內(nèi)外邊緣顏色特征的圖像檢索方法(ECBIR)兩種檢索方法的結(jié)果對比圖,以關(guān)鍵圖中的公交車為待檢索圖像,取兩例圖像按其相似程度排列的前14幅圖像檢索的結(jié)果,其中第一幅為關(guān)鍵圖(待檢索圖像),文本框中的數(shù)據(jù)是各圖像與關(guān)鍵圖的相似度值(見圖1,圖2)。

        圖1是全局顏色直方圖的對于公共汽車的檢索結(jié)果,因?yàn)槠錄]有考慮邊緣分布信息,前14 幅的查準(zhǔn)率為92%。圖2是使用本文算法―基于內(nèi)外邊緣顏色特征的圖像檢索結(jié)果,前14幅圖像的查準(zhǔn)率為100%。因此,本文提出的ECBIR算法,返回了與關(guān)鍵圖邊緣和顏色分布上更接近的結(jié)果,為了進(jìn)一步說明ECBIR算法的優(yōu)越性,采用檢索的準(zhǔn)確率(Precision)和查全率(Recall)[7]作為評價(jià)標(biāo)準(zhǔn),與全局顏色直方圖的圖像檢索進(jìn)行比較。

        為了突出ECBIR算法對于目標(biāo)鮮明圖像檢索的優(yōu)越性,本文選取了圖像庫中五類目標(biāo)比較突出圖像,每類圖像抽取10幅,記錄每一幅查詢圖像的當(dāng)查全率分別為5%,10%,15%,20%,25%,30%,35%,40%,45%,50%時(shí)相應(yīng)的查準(zhǔn)率,最后取平均值,得到準(zhǔn)確率―查全率曲線,如圖3~圖7所示。

        圖1 全局顏色直方圖的檢索結(jié)果

        圖2 本文算法―基于內(nèi)外邊緣顏色特征的圖像檢索

        從對公共汽車、恐龍、大象、花卉和馬這五類主題比較鮮明的圖像的結(jié)果可以看出,圖像中目標(biāo)物體占的比重越大,背景部分占的比重越小或者是背景部分越單調(diào),本文的ECBIR算法檢索的準(zhǔn)確率都比較傳統(tǒng)的基于直方圖的檢索方法準(zhǔn)確率有很大的提高,恐龍圖像就是很好的證明,當(dāng)查全率是40%時(shí),查準(zhǔn)率仍然是100%。

        為了進(jìn)一步說明ECBIR算法的優(yōu)越性,采用檢索的準(zhǔn)確率(Precision)和查全率(Recall)[7]作為評價(jià)標(biāo)準(zhǔn),與全局顏色直方圖(Global histogram,簡稱GH)的圖像檢索進(jìn)行比較。

        圖3 ECBIR 和GH 在公共汽車類圖像中的查準(zhǔn)率比較

        圖4 ECBIR 和GH 在恐龍類圖像中的查準(zhǔn)率比較

        圖5 ECBIR 和GH 在大象類圖像中的查準(zhǔn)率比較

        圖6 ECBIR 和GH 在花卉類圖像中的查準(zhǔn)率比較

        圖7 ECBIR 和GH 在馬類圖像中的查準(zhǔn)率比較

        4 結(jié) 論

        (1) 基于內(nèi)外邊緣顏色特征的圖像檢索算法(ECBIR),解決了全局顏色直方圖無法反映顏色空間分布信息的缺陷,在提取顏色特征時(shí),加大了內(nèi)邊緣對應(yīng)的目標(biāo)部分的比重,更加符合人眼識別圖像的要求。檢索結(jié)果表明,ECBIR算法較全局顏色直方圖方法,在查全率和查準(zhǔn)率方面都有了很大的提高。

        (2) ECBIR算法只提取邊緣像素點(diǎn)的顏色特征,而不是整幅圖像的顏色特征,這樣一來就減少了特征向量的存儲空間,圖像庫規(guī)模越大,ECIBR算法的優(yōu)越性體現(xiàn)的越明顯。

        (3) 由于進(jìn)行圖像檢索時(shí),只提取和匹配邊緣部分像素點(diǎn)的顏色特征,加快了圖像檢索系統(tǒng)的響應(yīng)時(shí)間。

        [1] 章毓晉. 圖像處理和分析基礎(chǔ)[M]. 北京: 清華大學(xué)出版社, 1999. 151-190.

        [2] 阮秋琦. 數(shù)字圖像處理學(xué)[M]. 北京: 電子工業(yè)出版社, 2003. 429-455.

        [3] 陶曉勛, 安 如, 周紹光. 基于多尺度形態(tài)梯度的灰度圖像邊緣檢測[J]. 遙感應(yīng)用, 2007, (1): 58-62.

        [4] 楊關(guān)良, 李忠杰, 徐小杰. 基于顏色-空間的圖像檢索算法[J]. 工程圖學(xué)學(xué)報(bào), 2005, 26(3): 51-53.

        [5] Swan M J, Ballard D H. Color indexing [J].International Journal of Computer Vision, 1991, 7(1): 11-32.

        [6] Wang J Z, Li J, Wiederhold G. SIMLPL Icity:Semantics sensitive integrated matching for picture libraries [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(9): 947-963.

        [7] Smeulders AW M, Worringm, Santini S. Content-based image retrieval at the end of the early years [J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2000, 22(12): 1349-1380.

        猜你喜歡
        查準(zhǔn)率直方圖邊緣
        統(tǒng)計(jì)頻率分布直方圖的備考全攻略
        符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
        用直方圖控制畫面影調(diào)
        基于數(shù)據(jù)挖掘技術(shù)的網(wǎng)絡(luò)信息過濾系統(tǒng)設(shè)計(jì)
        大數(shù)據(jù)環(huán)境下的文本信息挖掘方法
        基于深度特征分析的雙線性圖像相似度匹配算法
        一張圖看懂邊緣計(jì)算
        基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
        中文分詞技術(shù)對中文搜索引擎的查準(zhǔn)率及查全率的影響
        在邊緣尋找自我
        雕塑(1999年2期)1999-06-28 05:01:42
        亚洲精品久久久久中文字幕| 女同av免费在线播放| 人妻被公上司喝醉在线中文字幕| 国产精品激情自拍视频| 西西大胆午夜人体视频| 女同啪啪免费网站www| 亚洲免费观看一区二区三区| 午夜免费观看国产视频| 潮喷失禁大喷水aⅴ无码| 激情亚洲一区国产精品| 狠狠亚洲婷婷综合久久久| 日韩av免费一区二区| 色欲综合一区二区三区| 久久97精品久久久久久久不卡 | 加勒比在线一区二区三区| 99久久久69精品一区二区三区 | 岛国av无码免费无禁网站| 欧美综合自拍亚洲综合图片区 | 久久不见久久见免费视频6 | 日本h片中文字幕在线| 国产女人高潮视频在线观看| 无码毛片高潮一级一免费| 国产三级精品三级在专区中文| 国产精品亚洲一区二区无码国产| 国产三级黄色的在线观看 | 午夜免费福利一区二区无码AV| 国产一区二区三区精品乱码不卡 | 亚洲女同性恋激情网站| 国产精品久久精品第一页| 一本之道高清无码视频| 国产传媒在线视频| av在线高清观看亚洲| 屁屁影院ccyy备用地址| 亚洲国产夜色在线观看| 偷拍美女一区二区三区视频| 亚洲av午夜成人片精品电影| 999久久久免费精品国产| 久久亚洲精品成人AV无码网址 | 韩国日本亚洲精品视频| 丁香婷婷六月综合缴清| 成年女人免费视频播放体验区|