高勇鋼

（安徽師范大學數學計算機科學學院，安徽蕪湖 241000）

結合彩色邊緣與LBP紋理的圖像檢索算法

高勇鋼

（安徽師范大學數學計算機科學學院，安徽蕪湖 241000）

基于圖像顏色、紋理和形狀單一特征的特征提取和匹配的方法很多，各有優(yōu)缺點，因此，本文提出了將圖像中心區(qū)域的uniform模式的LBP紋理與環(huán)形分塊彩色邊緣相結合的圖像檢索算法。常用的形狀檢索算法只能對連續(xù)封閉曲線才有好的檢索效果，而對自然彩色圖像檢索效果較差，而本文將圖像分成幾個環(huán)形分塊，對每一環(huán)形分塊內的圖像提取彩色邊緣并形成顏色直方圖用于圖像形狀描述。紋理采用uniform模式的LBP描述，最后采用加權法融合形狀特征和紋理特征。根據實驗比較，該算法能較大提高大多數類別圖像檢索的查準率。

描述符；局部二值模式；直方圖；傅里葉變換

由于網絡技術與多媒體技術的快速發(fā)展，圖像應用日益廣泛，基于文本的傳統(tǒng)圖像檢索技術無法適應現在的檢索要求，基于內容的圖像檢索（CBIR content-based image retrieval）技術正逐漸成為研究的熱點，該技術把圖像的顏色、形狀、紋理等視覺特征作為圖像的內容進行匹配?；趫D像顏色、紋理和形狀單一特征的特征提取和匹配的方法很多，有著各自優(yōu)點，但同時也都有一定的缺點，于是出現了一些將幾種特征結合起來的綜合索引技術。

形狀特征有兩種表示方法：一種是表示目標區(qū)域邊界輪廓像素集合特征，常用的描述符有傅里葉描述子［1］、鏈碼、曲率尺度空間描述符［2］及小波描述符［3］；一種是表示目標區(qū)域所有的像素集合特征，常有的描述符有歐拉數、面積、偏心率、重心、幾何不變矩、Zemike矩［4］、Legendre矩及廣義傅立葉描述符等。顏色是圖像的主要特征，對縮放、平移、旋轉具有較好的魯棒性，因此，顏色成為描述一幅圖像簡便而有效的特征。紋理是物體表面一種不依賴于顏色或亮度的視覺特征，紋理可分為自然紋理、人工紋理和混合紋理等。常用的紋理分析方法可以分為結構分析方法、統(tǒng)計分析方法、頻譜分析方法和模型分析方法。

1 圖像的分塊與LBP紋理

1.1 圖像分塊

為了體現圖像像素的空間分布信息，Pass等人提出顏色聚合向量的方法，將顏色直方圖每一個區(qū)間的像素分為聚合像素或非聚合像素。該顏色聚合向量包含了圖像顏色的空間分布信息。Huang J提出了顏色相關圖方法，用像素間的顏色關系描述圖像顏色空間分布的表達式，顏色相關圖不但體現了某一顏色的比例，還反映了不同顏色的空間相關性。最常用的方法是將圖像分成固定的塊數，計算對應子塊之間的顏色距離，再將各對應塊之間的距離加權求和得到兩幅圖像之間的距離，除了上述矩形分塊的方法，還有其他有效的分塊方法，如Stricker認為圖像最有意義的區(qū)域位于圖像的中心，將圖像分成5個區(qū)域，其中中心區(qū)域為一個橢圓形，Rao等提出環(huán)形顏色直方圖來描述圖像顏色的空間分布特征。

1.2 LBP紋理

局部二值模式（Local Binary Pattern，LBP）是芬蘭奧魯大學OjalaT教授在1996年提出的用來描述圖像紋理特征的一種算子，用一個局部區(qū)域的模式來描述紋理。每個像素點由一個與之最匹配的局部鄰域的原始紋理形成的碼值來標記，該方法具有計算簡單，能充分克服傳統(tǒng)的單一采用統(tǒng)計或結構方法的不足且鑒別能力比較強等優(yōu)點。某些LBP模式在圖片中占絕大多數，這些特定的模式所對應的二進制串中最多只包含兩次從1到0或者從0到1的跳變，這些特定模式LBP稱為uniform模式的LBP紋理。

2 基于彩色邊緣與LBP紋理圖像檢索算法

本文提出基于環(huán)形分塊彩色邊緣與LBP紋理的圖像檢索算法，在提取彩色邊緣時，首先將圖像分成4個同心圓，其中最外層同心圓是圖像矩形的內切圓（以矩形較小的的長或寬為直徑），然后對該圓半徑四等分，從而形成三個圓環(huán)、一個中心圓四個分塊，且對圖像每個分塊提取彩色邊緣并形成4個圖像彩色邊緣的顏色直方圖，示例圖像如圖1所示，對該圖提取不同分塊的彩色邊緣如圖2所示。采用環(huán)形分塊，是由其具有旋轉不變性，采用多個環(huán)形分塊考慮到彩色邊緣的位置，同時分塊不能太多，否則計算復雜，效率低。在對圖像紋理提取時，將圖像分塊成中心區(qū)域與邊緣區(qū)域，如圖3所示。由于圖像主要信息分布在圖像的中心區(qū)域，圖像邊緣所含有價值內容較少，所以為了提高檢索效率，只對圖像中心區(qū)域進行紋理分析，圖像紋理采用圖像中心區(qū)域的uniform模式的LBP紋理。最后圖像的特征由四個環(huán)形區(qū)域的彩色邊緣顏色直方圖與圖像中心區(qū)域的LBP紋理特征綜合加權形成。

圖1 示例圖像

圖2 環(huán)形彩色邊緣

具體算法如下：

1）對示例圖像采用環(huán)形分塊，包含3個圓環(huán)，一個中心圓。

2）提取示例RGB圖像的二值邊緣圖像。（運用canny算子獲取圖像的二值邊緣）

3）根據二值邊緣像素點的位置確定原圖像的彩色邊緣像素點所在環(huán)形分塊位置。

建立表層嵌貼FRP板條-混凝土界面黏結-滑移模型的方法······························張智梅 張振凱 熊 浩 王 卓 陳 剛 (2,304)

4）將原圖像中彩色邊緣像素保留，非邊緣像素的顏色值設紅綠藍顏色值為0。

5）將只保留彩色邊緣的RGB示例圖像轉換成HSV圖像。（色調非均勻量化為8級，飽和度和亮度量化為3級，將3個顏色分量合成一維特征向量：L=9*H+3*V+S）。

6）獲得示例圖像3個環(huán)形分塊的彩色邊緣顏色直方圖和一個中心圓的彩色邊緣顏色直方圖。

7）從圖像中心區(qū)域求得圖像的uniform模式的LBP紋理特征。

8）計算示例圖像與圖像庫中所有圖像之間彩色邊緣特征向量之間距離和LBP紋理向量之間的距離。（顏色距離為相匹配兩個圖像之間三個對應彩色邊緣顏色直方圖歐式距離之和）

9）分別對顏色距離與LBP紋理距離高斯歸一化。

10）圖像庫中每幅圖像與示例圖像距離表示為D=m*顏色距離+（1-m）*紋理距離。（m加權系數，根據m取0.1，0.2，…，0.9不同值時，當選擇為0.5時，檢索獲得更好的查準率）

11）顯示距離最小的若干相匹配的圖像。

圖3 中心區(qū)域分塊

圖4 三種檢索方法曲線

3 實驗結果和分析

圖像庫選用Corel圖像庫中的一部分圖像，包括建筑、馬匹、花卉、公交車等4種類型，每種類型100幅圖像，共400幅圖像。系統(tǒng)開發(fā)工具使用matlab7.1。對每一個類別任選選30幅示例圖像，對每一幅示例圖像，檢索返回20圖像，計算平均查準率，在實驗中同時采用全局顏色直方圖和全局灰度共生矩陣檢索示例圖像，用于檢索效果比較。實驗數據如表1所示。

表1 三種檢索方法平均查準率

圖4給出兩種算法的比較。從圖4可以看出，基于環(huán)形分塊彩色邊緣與LBP紋理相結合的圖像檢索的查準率要優(yōu)于其他兩類常用的基于單個特征的圖像檢索方法，采用傳統(tǒng)基于形狀的圖像算法針對彩色自然圖像基本上沒有效果，而采用本文算法可以達到較好的查準率。

4 結束語

基于圖像的顏色、紋理和形狀的單個特征或組合特征應用于圖像檢索的方法有很多，但基于形狀單個特征或包含形狀的組合特征對自然彩色圖像的檢索效率不是很好，這主要是由于自然彩色圖像顏色和紋理信息豐富，邊緣信息多且連續(xù)性差，正是自然彩色圖像的多個特征顯著的特點，因此本文提出一種將顏色、紋理和邊緣特征結合起來檢索圖像的方法，經實驗證明，這個方法在包含形狀特征的組合檢索方法中是可行的、有效的。本方法以后待進一步研究的地方是彩色邊緣輪廓的范圍的和分塊方法的選擇。

［1］C.T.Zahn，R.Z.Roskies.Fourier descriptors for plane closed curves［J］.IEEE Trans on Computers，1972，21：269-281.

［2］Mokhtarian F，Mackworth A.K.，A theory ofmultiscale：curvature based shape representation for planar curves［J］.IEEE Trans. Patern Analysis Machine Intelligence，1992，14（8）：789-805.

［3］楊翔英，章毓晉.小波輪廓描述符及在圖像查詢中的應用［J］.計算機學報，1999，22（7）：752-757.

［4］Tegure M.R.Image analysis via the general theory of moments［J］，J.Opt.Soc.Am，1980，70（8）：920-930.

［5］張華偉，孫勁光.基于顏色與形狀圖像檢索的研究［J］.計算機仿真，2009，26（11）：208-210.

［6］楊曉慧姚雪彥.結合LBP和和Brushlet的自適應圖像檢索［J］.計算機工程，2013，39（2）：233-236.

［7］鄒彬，潘志斌，胡森.基于局部投影與塊LBP特征的圖像檢索［J］.中國圖象圖形學報，2012，17（6）：671-677.

［8］蔡念，張國宏，樓朋旭，等.基于形狀和紋理的外觀設計專利圖像檢索方法［J］.山東大學報（工學版），2011，41（2）：1-4.

［9］安志勇，趙珊，周利華.基于形狀和紋理的圖像檢索［J］.計算機科學，2006，33（11）：225-232.

［10］公明，曹偉國，李華.形狀和顏色混合不變量在圖像檢索中的應用［J］.中國圖象圖形學報，2013，18（8）：990-1003.

Image Retrieval Based on Color Edge and LBP Texture

GAO Yong-gang
（School of Math.and Computer，Anhui Normal University，Wuhu 241000，China）

Feature extraction and matchingmethod based on single feature such as image color，texture and shape aremany，each has advantage but also has some shortcomings，thus puts forward the uniform model of the central region of the image of LBP texture combined with a circular block color edge of image retrieval algorithm.The shape of the commonly used retrieval algorithm can only hasa good retrieval effectof continuous closed curve，and the natural color image retrieval effect is poorer.Thisarticle separates the image into several annular blocks，and then uses form of color histogram to image the shape description for each ring image edge extraction of color，and uses the uniform model of LBP to describe texture.Finally，shape features and texture features are incorporated by usingweightedmethod.According to theexperimental comparison，ourmethod can improvegreatly andmostof the categories of the image retrieval precision.

descriptor，local binary pattern，histogram，fourier transform

TP391

A

1007-4260（2014）03-0078-03

時間：2014-9-15 16：07 網絡出版地址：http：//www.cnki.net/kcms/doi/10.13757/j.cnki.cn34-1150/n.2014.03.019.html

2013-11-22

安徽省高校自然科學基金項目（KJ2012Z116）資助。

高勇鋼，男，安徽蕪湖人，碩士，安徽師范大學數學計算機學院講師，研究方向為圖像處理。