羅 微 李紅巖 孫麗萍

(哈爾濱醫(yī)科大學(xué)大慶校區(qū)，大慶，163319) (東北林業(yè)大學(xué))

隨著圖像處理技術(shù)的不斷發(fā)展，基于內(nèi)容的圖像檢索被越來(lái)越多地應(yīng)用在樹(shù)種檢索中。由于主色調(diào)能夠較好地概括圖像總體特征，因此為了保證檢索精度的同時(shí)能夠更好地提高檢索效率，筆者提出了針對(duì)木材圖像特征的顏色空間非等間隔量化的主色調(diào)檢索方法。

對(duì)于特定圖像數(shù)據(jù)庫(kù)，應(yīng)當(dāng)有針對(duì)性地提取適合此類圖像的特征。木材材色空間分布有其特殊性，其色調(diào)主要分布在YR(橙)區(qū)間，相對(duì)較確定。另外，木材圖像的飽和度和亮度也各有特點(diǎn)［1-2］，因此本研究選擇在HSV顏色空間采用非等間隔量化的方法對(duì)木材顏色進(jìn)行特征提取。這樣減少了檢索中的特征冗余，對(duì)木材顏色進(jìn)行了更有針對(duì)性的表達(dá)，使得提取的特征針對(duì)木材顏色具有更好的適用性，保證了檢索的準(zhǔn)確率。又由于高維特征檢索效率較差，為了有效地降低特征空間的維數(shù)，可對(duì)顏色三分量進(jìn)行空間非等間隔量化后再進(jìn)行降維處理［3-4］，這樣提取的特征可提高檢索效率。

目前，基于內(nèi)容的木材圖像檢索主要是基于紋理特征、RGB顏色空間特征或L*a*b*顏色空間特征實(shí)現(xiàn)檢索識(shí)別［5］，而采用非等間隔量化的主色調(diào)的檢索方法在木材圖像檢索應(yīng)用中尚未展開(kāi)深入研究。筆者提出的針對(duì)木材圖像特征的顏色空間非等間隔量化主色調(diào)檢索作為一種新方法，可以為木材圖像檢索提供更為準(zhǔn)確高效的檢索方法。

1 顏色空間非等間隔量化

木材圖像轉(zhuǎn)化到HSV顏色空間后，就包括色調(diào)、飽和度和亮度3個(gè)顏色分量，量化是指對(duì)這3個(gè)分量的空間分別進(jìn)行非等間隔量化降維，進(jìn)而將色調(diào)、飽和度和亮度3個(gè)顏色分量合成一維特征矢量［6-7］。

1.1 色調(diào)量化方法

HSV顏色空間中色調(diào)被劃分為360個(gè)等份，色調(diào)H在0°～360°之間變化。色調(diào)降維即將木材材色空間以外的其他顏色空間大幅度地壓縮減維［8］，并且按照木材材色空間分布的特殊性，在木材顏色集中分布的空間，按照類間區(qū)別較詳細(xì)地將其非等間隔量化，形成一個(gè)非等間隔量化的9色調(diào)級(jí)(0～8)的顏色空間［9］。圖1和圖2分別是色調(diào)空間非等間隔量化前后的統(tǒng)計(jì)分布圖，表示了色調(diào)空間非等間隔量化過(guò)程中不同材種木材圖像像素分布情況，統(tǒng)計(jì)了木材圖像樣本在不同色調(diào)區(qū)間像素分布數(shù)量。本研究選擇了顏色上比較有代表性的50種不同木材表面圖像進(jìn)行試驗(yàn)。

如圖1所示，木材圖像色調(diào)主要分布在［0°～60°］區(qū)域內(nèi)，而其他區(qū)間像素點(diǎn)分布極少，幾乎趨近于沒(méi)有。

圖1 木材圖像像素點(diǎn)的等間隔色調(diào)分布區(qū)間統(tǒng)計(jì)

圖2表示的是對(duì)［0°～60°］這個(gè)像素分布密集的區(qū)間進(jìn)行詳細(xì)劃分，將其量化分成6個(gè)非等間隔區(qū)間;而(60°～360°］區(qū)間內(nèi)，木材顏色像素分布稀疏，因此，僅將其量化為3個(gè)非等間隔區(qū)間。

圖2 木材圖像像素點(diǎn)的非等間隔色調(diào)分布區(qū)間統(tǒng)計(jì)

對(duì)木材表面圖像提取色調(diào)信息，逐漸增加色調(diào)值后，通過(guò)觀察色調(diào)角偏移程度對(duì)圖像的影響，可以得出色調(diào)變化數(shù)量同視覺(jué)感受的相關(guān)性。圖像從色調(diào)角增加5°開(kāi)始就可以觀察到顏色變化;色調(diào)角增加20°有明顯變化。因此，在對(duì)色調(diào)空間進(jìn)行量化時(shí)，最小區(qū)間間隔為5°。

1.2 飽和度量化方法

飽和度區(qū)間的劃分方法同色調(diào)區(qū)間相類似，圖3和圖4分別是飽和度區(qū)間非等間隔量化前后的統(tǒng)計(jì)分布圖，統(tǒng)計(jì)了木材圖像樣本在不同飽和度區(qū)間像素分布數(shù)量。

圖3 木材圖像飽和度等間隔分布統(tǒng)計(jì)

圖4 木材圖像飽和度非等間隔分布統(tǒng)計(jì)

從圖3可以看出，木材圖像飽和度區(qū)間主要在［0～0.6］。圖4表示的是對(duì)［0～0.6］這個(gè)像素分布密集的區(qū)間進(jìn)行詳細(xì)劃分，將其量化分成3個(gè)非等間隔區(qū)間，形成一個(gè)非等間隔量化的3級(jí)(0～2)飽和度空間。

如圖5所示，按照域值法將整個(gè)飽和度區(qū)間劃分為［0～0.32］、(0.32～0.39］和(0.39～1］3 個(gè)區(qū)間。經(jīng)過(guò)非等間隔飽和度區(qū)間劃分，木材圖像的飽和度值就能夠在區(qū)間上較均勻地分布，這對(duì)于飽和度不同的木材圖像區(qū)分十分有利。

圖5 飽和度統(tǒng)計(jì)直方圖

1.3 亮度量化方法

如圖6所示，木材圖像的像素亮度主要分布在(0.66～1］的區(qū)間上，而［0～0.66］只有少量分布。如果劃分的區(qū)間是等間隔的，即［0～0.33］區(qū)間的亮度級(jí)劃為 0，(0.33～0.66］劃為 1，(0.66～1?劃為2，則大部分木材圖像的像素點(diǎn)亮度值可能都為2。這使得不同材種圖像亮度基本無(wú)區(qū)別或區(qū)別較小，檢索時(shí)對(duì)不同材種不能很好地加以區(qū)分。

圖6 木材圖像亮度等間隔分布統(tǒng)計(jì)圖

如圖7所示，將亮度空間非等間隔量化，即將亮度分布稀疏的區(qū)間壓縮，對(duì)分布相對(duì)密集的區(qū)間加以劃分。根據(jù)木材的亮度特點(diǎn)，大部分材種亮度都分布在［0.7～1］之間，因此將該亮度區(qū)間進(jìn)行劃分。

圖7 木材圖像亮度非等間隔分布統(tǒng)計(jì)

區(qū)間域值的選定要根據(jù)木材的亮度特點(diǎn)，木材圖像亮度分為3個(gè)主要區(qū)間，如圖8所示。因此，將整個(gè)亮度區(qū)間劃分為［0～0.8］、(0.8～0.9］和(0.9～1］3部分。經(jīng)過(guò)非等間隔亮度區(qū)間的劃分，木材圖像的亮度值就能夠較均勻地分布在［0、1、2］3個(gè)亮度級(jí)上，如圖7所示，這樣就可對(duì)亮度不同的木材圖像進(jìn)行較好地區(qū)分。

圖8 亮度統(tǒng)計(jì)直方圖

2 基于非等間隔量化顏色空間的主色調(diào)檢索

2.1 構(gòu)建非等間隔量化的顏色空間

木材材色有其特有的顏色特征及規(guī)律性，能夠較顯著地區(qū)別于其他一些物體的顏色，可以將極黑、極白兩個(gè)極值顏色作為一維木材顏色軸的兩端［10］。在對(duì)顏色維數(shù)進(jìn)行量化減維時(shí)，可以將木材材色空間以外的其他顏色空間大幅度地壓縮減維，并且按照木材材色空間分布的特殊性，在木材顏色集中分布的空間按照類間區(qū)別較詳細(xì)地將其非等間隔量化。

用HSV顏色空間來(lái)描述圖像的整體顏色特征，可將H、S與V這3個(gè)分量按照人眼對(duì)顏色的感知進(jìn)行非等間隔量化。本研究按照木材在HSV顏色空間分布特征，把色調(diào)H角度制分成9份，飽和度S和亮度V空間分別分成3份，根據(jù)色彩的不同范圍進(jìn)行量化，量化后的色調(diào)、飽和度和亮度值分別為

2.2 木材材色主色調(diào)的檢索方法

基于主色調(diào)的檢索就是將圖像的主色調(diào)作為查詢的主要特征進(jìn)行相似性匹配，以查找圖像庫(kù)中具有類似主色調(diào)的圖像［11］。按照上述量化級(jí)，把3個(gè)顏色分量合成一維特征矢量，有：

式中：K1和K2，分別是分量S和V的量化級(jí)數(shù)，取K1=3，K2=3，可表示為 L=9H+3S+V。其中，H 包括(0～8)9個(gè)量化級(jí)數(shù)，S和V包括3個(gè)(0、1和2)量化級(jí)數(shù)。代入 H、S、V分量最大值，得 L=9×8+3×2+2=80 范圍為［0，1，…，80］。通過(guò)上述分量劃分，整個(gè)顏色空間可被壓縮為一維的81個(gè)顏色級(jí)。這樣，H、S與V這3個(gè)分量在一維矢量軸上分布開(kāi)來(lái)，計(jì)算L可得81個(gè)顏色級(jí)的一維直方圖，進(jìn)而利用直方圖相應(yīng)算法可進(jìn)行圖像相似性度量［12］。以上方法不但使顏色特征得到了有效降維，而且很大程度地保留了木材顏色特征的有效性。以落葉松弦向切面、臭冷杉弦向切面為例，檢索結(jié)果如表1所示。從表1檢索排序結(jié)果及表2中相似系數(shù)可以看出，基于顏色空間非等間隔量化方法對(duì)已知樹(shù)種檢索成功率較高，檢索樹(shù)種圖像同數(shù)據(jù)庫(kù)中圖像顏色特征整體相似或部位相似。實(shí)驗(yàn)表明，基于顏色空間非等間隔量化的主色調(diào)檢索方法進(jìn)行相似度的判別具有較好的檢索效果。

3 結(jié)論

針對(duì)木材材色主要集中在YR(橙)區(qū)間的特點(diǎn)，提出了適合于木材圖像顏色空間的非等間隔量化方法，并在此基礎(chǔ)上進(jìn)行降維處理，使顏色空間形成一個(gè)非等間隔量化的具有81個(gè)顏色級(jí)的一維直方圖，繼而采用主色調(diào)的方法進(jìn)行相似性度量匹配檢索。利用這種方法，不但使顏色特征有效降維，并且很大程度上保留了木材顏色特征的有效性。實(shí)驗(yàn)表明，利用非等間隔方法量化后進(jìn)行主色調(diào)特征降維檢索，降低了特征空間復(fù)雜度，提高了木材圖像檢索效率，具有較高的查準(zhǔn)率，應(yīng)用中更符合用戶需求。

表2 基于顏色空間的非等間隔量化方法判別已知樹(shù)種檢索結(jié)果

［1］劉一星.木材視覺(jué)環(huán)境學(xué)［M］.哈爾濱：東北林業(yè)大學(xué)出版社，1994.

［2］劉一星，李堅(jiān)，徐子才，等.我國(guó)110個(gè)樹(shù)種木材表面視覺(jué)物理量的綜合統(tǒng)計(jì)分析［J］.林業(yè)科學(xué)，1995，31(4)：353-359.

［3］于海鵬.基于數(shù)字圖像處理學(xué)的木材紋理定量化研究［D］.哈爾濱：東北林業(yè)大學(xué)，2005：1-2，91.

［4］邱兆文，張?zhí)镂?一種新的圖像顏色特征提取方法［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2004，36(12)：1699-1701.

［5］賈瀟然，劉迎濤.樹(shù)種識(shí)別技術(shù)的研究進(jìn)展［J］.林業(yè)機(jī)械與木工設(shè)備，2009，37(9)：16-17.

［6］Baeh JR，F(xiàn)uller C，GuPta A，et al.Virage Image Search Engine-An OPen Framework for lmage Management［EB/OL］.(2004-10-12)［2012-06-02］.http：//spiedigitallibrary.org/proceedings/resource/2/psisdg/2670/1/76_1?isAuthorized=no.

［7］李弼程，彭天強(qiáng)，彭波.智能圖像處理技術(shù)［M］.北京：電子工業(yè)出版社，2004.

［8］孔凡輝，柏曉輝，竺如生.一種基于多特征融合的圖像檢索方法［J］.哈爾濱商業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，26(3)：347-350.

［9］羅微.基于數(shù)字圖像相似性匹配的木材樹(shù)種檢索實(shí)現(xiàn)［D］.哈爾濱：東北林業(yè)大學(xué)，2008.

［10］劉一星，李堅(jiān)，王矛棣.木材表面視覺(jué)環(huán)境學(xué)特性分析(Ⅰ)：木材表面視覺(jué)物理量與視覺(jué)心理量的關(guān)系［J］.木材工業(yè)，1995，9(2)：14-17.

［11］Dr Krishnan N，Sheerin Banu M，Callins Christiyana C.Content based image retrieval using dominant color identification based on foreground objects［EB/OL］.(2007-12-15)［2012-06-07］.http：//www. computer. org/csdl/proceedings/iccima/2007/3050/03/30500190-abs.html.

［12］楊少春，王克奇，戴天虹，等.基于直方圖的木材表面顏色分類研究［J］.森林工程，2008，24(1)：34-36.