謝 玲， 陸 坤， 胡志偉

(大連理工大學(xué) 軟件學(xué)院，遼寧 大連 116600)

0 引 言

數(shù)字圖像處理(Digital Image Processing)技術(shù)，是對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割和特征提取的技術(shù)[1]。在計(jì)算機(jī)硬件、軟件和Internet技術(shù)高速進(jìn)步的今天，圖像信息的量也隨之以一個(gè)駭人的速度迅速發(fā)展。各行業(yè)都逐漸越來(lái)越多的開(kāi)始使用圖像信息，這之中有很多重要或者有用的信息。但是這些圖像信息太多，過(guò)于分散，沒(méi)有能讓他們集中起來(lái)的辦法，所以空有這些資源，卻管理不好，不能讓大家都使用。因此，怎樣在圖海之中，找到需要的，或是感興趣的信息，對(duì)圖像信息的檢索技術(shù)是一個(gè)巨大的挑戰(zhàn)。

基于內(nèi)容的圖像檢索(Content-based image retrieval)技術(shù)[2]，是檢索技術(shù)中的一種以提取圖像本身特征為重點(diǎn)的檢索方法，是用一種或者多種特征來(lái)描述一幅圖像，而基于內(nèi)容的圖像檢索就是把兩張圖片的特征提取出來(lái)，根據(jù)特定的方法進(jìn)行對(duì)比和匹配，使用相似性匹配算法來(lái)達(dá)到這個(gè)目的，很明顯，對(duì)圖像特征的提取就是圖像特征匹配的關(guān)鍵環(huán)節(jié)和條件[3]?；趦?nèi)容的圖像分類(lèi)的目的在于，使圖像具有結(jié)構(gòu)化特性，消除內(nèi)容的多義性，使人們能夠方便地查找并使用這些圖像信息，最終實(shí)現(xiàn)資源的共享和查詢。

1 圖像特征提取

圖像的特征可以分成兩個(gè)大類(lèi)：其一，低層物理特征，即圖像的一些視覺(jué)特征或者固有屬性，低層特征又可以細(xì)分為很多種視覺(jué)特征，包括顏色、形狀和紋理等。高層語(yǔ)意特征主要是對(duì)對(duì)象的識(shí)別和解釋，通常需要用到人類(lèi)知識(shí)的推理，比如人對(duì)于某個(gè)圖像的感受等等[4]。所以對(duì)于高層語(yǔ)義特征，就得靠人來(lái)定義，用人工的標(biāo)注方法，傳統(tǒng)的方法都是如此，也就是指基于文本的檢索方法，這個(gè)方法很難實(shí)現(xiàn)自動(dòng)化，且太過(guò)主觀，不利于實(shí)現(xiàn)標(biāo)準(zhǔn)化。而與之對(duì)比，低層次物理特征的提取顯得較為容易，還能將兩圖像之間的異同點(diǎn)客觀的反映出來(lái)。最常使用的圖像特征有形狀特征，顏色特征，紋理特征等等，經(jīng)過(guò)對(duì)比測(cè)試，本系統(tǒng)采用的是形狀特征中的不變矩特征[5]。

1.1 Hu矩的計(jì)算

Hu矩是Hu在1962年提出的[6-7]，圖像f(x+y)的(p+q)階的矩定義為

Mpq=?xpyqf(x,y)dxdy,p,q=0,1,2

在圖像處理領(lǐng)域用來(lái)描述圖像灰度密度的分布情況，進(jìn)而能夠提取特征。其中被用的最多的，物體的0階的矩用來(lái)表示圖像的“質(zhì)量”

M00=?f(x,y)dxdy

一階矩(M01，M10)被用來(lái)確定圖像的質(zhì)心(XC,YC)，XC=M10/M00；YC=M01/M00；如果改變坐標(biāo)原點(diǎn)，將其移到XC和YC處，便能夠得到圖像的位移不變的中心矩。如

Upq=?[(x-XC)p][(y-Y)q]f(x,y)dxdy

Hu矩的里面一共有7個(gè)值，也就是7個(gè)不變量，它們各自代表不同的意義，但組合起來(lái)，便能夠有圖像的位置平移、方向改編以及比例放大縮小而不變的特性[8]。

1.2 Hu矩的原理

Hu 矩的7個(gè)特征量不會(huì)因?yàn)閳D像的位置平移、放大縮小、以及方向的旋轉(zhuǎn)而有所改變，所以是提取圖像形狀特征很好的選擇。

對(duì)于Hu 矩的特征，要先對(duì)圖像進(jìn)行一次灰度分布統(tǒng)計(jì)，在此統(tǒng)計(jì)結(jié)果之上對(duì)圖像進(jìn)行描述，能夠從全局出發(fā)來(lái)描述對(duì)象的整體特征[9-10]。

區(qū)域f(x+y)的(p+q)階的矩的定義為

(x,y)

(1)

它對(duì)應(yīng)的中心矩定義為

(x,y)

(2)

一階(p+q)階中心矩定義為

(3)

式中：p,q=0,1,…。

γ=(p+q)/2

(4)

下面7個(gè)式子就是Hu矩里面的7個(gè)不變量，將低階的中心矩進(jìn)行歸一化操作后，便能得到這7個(gè)值，它們共同組成了不變矩的特征，如公式(5)所示。

(5)

它們有不跟隨位置平移、方向旋轉(zhuǎn)改變、以及圖像放大縮小而改變的特性。

1.3 Hu矩的特征值

提取特征，是在對(duì)圖像的預(yù)處理完成之后，進(jìn)行分類(lèi)之前的重要環(huán)節(jié)，同一個(gè)目標(biāo)，在旋轉(zhuǎn)不同的角度、平移、縮放不同的比例之后，不變矩的值是幾乎不會(huì)變化的。因此，可用于識(shí)別目標(biāo)，也就是在判斷待檢索目標(biāo)是否屬于訓(xùn)練樣本的同類(lèi)時(shí)，求出待檢索目標(biāo)和已知訓(xùn)練樣本的距離，如果在已知類(lèi)別的一定范圍內(nèi)，則可判定這個(gè)待檢索的目標(biāo)為已知樣本的相似圖像。

因?yàn)槿藢?duì)物體形狀的變換、旋轉(zhuǎn)和縮放并不太敏感，所以好的形狀特征就要做到對(duì)變換、旋轉(zhuǎn)和縮放無(wú)關(guān)，但這也增加了描述形狀特征和計(jì)算相似度的難度。然而根據(jù)人先區(qū)分輪廓，再填充局部來(lái)識(shí)別物體的特點(diǎn)，形狀特征依然是圖像的檢索技術(shù)中，主要的一種描述圖像內(nèi)容的方法[11-12]。

2 相似性度量定理

假定A、B、C為任意的n維特征向量，一般來(lái)說(shuō)，相似距離的度量函數(shù)會(huì)受到以下的4條公理約束：

(1) 自相似公理

d(A,A)=d(B,B)

(6)

(2) 最小公理

d(A,B)≥d(A,A)

(7)

(3) 對(duì)稱公理

d(A,B)=d(B,A)

(8)

(4) 三角不等公理

d(A,C)≤d(A,B)+d(B,C)

(9)

在實(shí)際的應(yīng)用中，所使用的相似性度量函數(shù)并不一定非要完全滿足上面所說(shuō)的4條公理，通常只是滿足4個(gè)公理中的某一個(gè)或者幾個(gè)。

相似性度量的常用方法是向量空間模型(Vector Space Model)，簡(jiǎn)單地說(shuō)，就是把所提取的特征值當(dāng)作該空間中的一點(diǎn)，已知的特征也是這個(gè)空間中的點(diǎn)，那么這兩點(diǎn)之間必然有一個(gè)距離，距離越小則表示兩者越相似，反之差異越大。目前，圖像檢索中有各種各樣的匹配方法，下面介紹最常見(jiàn)的Minkowsky 距離法。

MInkowsky距離是在Lp范數(shù)的基礎(chǔ)上定義的，表達(dá)式為

(10)

該方法根據(jù)p值所取值的不同，又可以分為不同的方法。

若p的值取1，L1(A,B)就被叫做Manhattan距離，表達(dá)式為

(11)

若p的取值為2，那么稱L2(A,B)為Euclidean distance距離，即

(12)

若p的取值趨于無(wú)窮大的話，L∞(A,B)就是Chebychv距離了，表達(dá)式變?yōu)?/p>

(13)

本系統(tǒng)所使用的相似性度量方法是曼哈頓距離法。通過(guò)提取圖像的7個(gè)特征值，并和訓(xùn)練樣本的特征值進(jìn)行計(jì)算，算出兩者距離。

3 圖像質(zhì)量評(píng)估方法

圖像質(zhì)量評(píng)估，就是對(duì)圖像的質(zhì)量進(jìn)行評(píng)價(jià)打分，而圖像的質(zhì)量主要就是它的保真度和可懂度，在大量的圖像信息中，難免出現(xiàn)一些相似度極高的圖像，甚至包含幾乎一樣的信息，比如拍照時(shí)通常會(huì)對(duì)同一個(gè)地方連拍好幾張，以便能有足夠的選擇，那么這樣的一堆圖片信息就稱其為冗余信息，因?yàn)閿?shù)量多并沒(méi)有什么用處，所以只需選出其中最好的一張，其他的去掉即可，這樣就可以將信息進(jìn)行有價(jià)值的篩選。除了篩選之外還可以用其來(lái)對(duì)圖像處理的各環(huán)節(jié)進(jìn)行監(jiān)測(cè)檢查，因?yàn)楫?dāng)對(duì)圖片進(jìn)行一系列操作，比如壓縮，降噪等等操作后，得到的結(jié)果圖片與初始圖片是必然有一些差距的，所以需要對(duì)結(jié)果進(jìn)行質(zhì)量評(píng)估，來(lái)確定結(jié)果的質(zhì)量是否符合要求，若符合，則繼續(xù)往下進(jìn)行操作，若不符合，則進(jìn)行改進(jìn)操作。

與圖像的高層特征相似的是主觀評(píng)價(jià)方法，它們都是以人為主體，依靠人的視覺(jué)特征進(jìn)行操作的，也就是說(shuō)，這種方法需要一定數(shù)量的人來(lái)對(duì)圖像進(jìn)行觀察評(píng)價(jià)打分，然后再綜合所有人的結(jié)果來(lái)打出最終的分?jǐn)?shù)即為質(zhì)量評(píng)價(jià)結(jié)果。雖說(shuō)這種方法簡(jiǎn)單易懂，但實(shí)際卻非常麻煩，首先人觀察一幅圖像是要花一定時(shí)間的，而且代價(jià)也更高，再者，與對(duì)特征的手工標(biāo)注一樣，因其是人為的操作，所以如果人受到了不良因素的影響，比如受到了刺激或者太過(guò)疲倦，那么對(duì)操作結(jié)果就會(huì)有一定影響，這是十分不穩(wěn)定的。而與低層特征相似的方法稱之為客觀評(píng)價(jià)方法，主體是機(jī)器，由計(jì)算機(jī)進(jìn)行操作，通過(guò)某種方法計(jì)算出結(jié)果圖像與原始圖像之間的差異，差異越大，則說(shuō)明該圖像失真越大，質(zhì)量較低，反之則失真小，質(zhì)量高。而后者中最有名，也是最典型的方法就是PSNR法[13]。

峰值信噪比(Peak Signal to Noise Ratio，PSNR)可以這樣來(lái)表述它，等待評(píng)價(jià)的圖像f(x，y)，大小為M×N，初始圖像f0(x，y)，大小也是M×N，那么計(jì)算圖像f的PSNR值的表達(dá)式為

(14)

另外一個(gè)常用的評(píng)價(jià)參數(shù)是均方誤差(MSE)，其表達(dá)式為

(15)

則

(16)

式(14)以及式(16)中的fmax是指圖像f(x，y)的最大灰度值，如果所需要評(píng)價(jià)的圖像的bit數(shù)是n，那么其fmax的值就是(2n-1)，而在生活工作中，一般用的最多的是8 bit，也就是說(shuō)fmax值是255。

前面所說(shuō)計(jì)算全都只是針對(duì)灰度圖像，因?yàn)槠涿總€(gè)像素點(diǎn)都可用灰度表示而不需要顏色的疊加。但是彩色的圖像就不一樣了，彩色圖像中的每個(gè)像素點(diǎn)的顏色，都是由RGB 3個(gè)分量疊加出來(lái)的復(fù)合型顏色，而不是單獨(dú)的，這3個(gè)分量需要各自用一個(gè)字節(jié)來(lái)表示，所以彩色圖像的PSNR表達(dá)式為

PSNR=

(17)

式(17)中的MSE(R)、MSE(G)、MSE(B)分別是指紅、綠、藍(lán)各自的均方誤差。其還有另外一種表達(dá)方式為

/3

(18)

也就是說(shuō)先分別算出R、G、B3個(gè)分量的峰值信噪比PSNRR、PSNRG、PSNRB，再對(duì)這3個(gè)值求出平均值即可。

現(xiàn)在用PSNR方法更多一些，因?yàn)檫@種方法理解起來(lái)相對(duì)容易，計(jì)算也不那么的復(fù)雜，其值與圖像的質(zhì)量呈正相關(guān)，和主觀感受更接近一點(diǎn)，也就是說(shuō)一般PSNR值高的圖像，質(zhì)量會(huì)更好一些。一般來(lái)說(shuō)，當(dāng)PSNR>28時(shí)，圖像質(zhì)量的差異就已經(jīng)不明顯了，而當(dāng)超過(guò)35或40的時(shí)候，人就幾乎看不出區(qū)別了；而MSE方法和主觀感受并不相近，所以一般不會(huì)單獨(dú)用來(lái)評(píng)價(jià)圖像，都是代入PSNR方法中。

4 系統(tǒng)功能與測(cè)試

本系統(tǒng)在Windows 8操作系統(tǒng)上在，通過(guò)MATLAB 7.0[14]實(shí)現(xiàn)。

本系統(tǒng)的功能有：

(1) 打開(kāi)待檢索圖集所在文件夾，以便進(jìn)行圖像的管理(添加或刪除)；

(2) 打開(kāi)訓(xùn)練樣本圖集所在文件夾，以便進(jìn)行管理；

(3) 對(duì)輸入的待檢索圖像進(jìn)行特征提?。?/p>

(4) 計(jì)算不變矩的特征的相似性度量，以便進(jìn)行分類(lèi)；

(5) 圖像質(zhì)量評(píng)估，對(duì)分好類(lèi)的圖像，每一類(lèi)進(jìn)行一次質(zhì)量評(píng)估以選出最好的一張；

(6) 退出。

此次系統(tǒng)的設(shè)計(jì)的最重要的地方共有3個(gè)：① 圖像特征的提??；② 進(jìn)行分類(lèi)的時(shí)候所用到的相似性度量算法；③ 圖像質(zhì)量評(píng)估方法。所提取的特征為形狀特征，具體方法用的是不變矩的方法中的Hu矩，相似性度量用的是曼哈頓距離法，圖像質(zhì)量評(píng)估方法用的PSNR算法。

首先打開(kāi)界面，如圖1所示，讀入待檢索的圖片集。點(diǎn)擊“test image”按鈕，會(huì)彈出待檢索的圖片所在的文件夾?？稍诶锩嬖黾踊蛘邉h除圖片，確認(rèn)無(wú)誤后關(guān)閉即可(見(jiàn)圖2)。點(diǎn)擊“feature extraction”按鈕，可對(duì)待提取特征的圖像進(jìn)行特征提取，并以圖像的形式表示出來(lái)，但是由于后面幾個(gè)特征值的數(shù)值實(shí)在太小，所以再配合具體數(shù)據(jù)共同觀察，如圖3所示。點(diǎn)擊“classify”按鈕，可對(duì)待檢索圖集執(zhí)行分類(lèi)操作，并在屏幕上顯示結(jié)果。如圖對(duì)旋轉(zhuǎn)放大圖片和模糊清晰圖片進(jìn)行了測(cè)試，沒(méi)加入訓(xùn)練樣本集的圖片則添加標(biāo)簽“暫無(wú)此分類(lèi)”以提醒，結(jié)果如圖4所示。點(diǎn)擊“run”按鈕，先對(duì)待檢索的圖片集進(jìn)行分類(lèi)，之后再?gòu)拿恳活?lèi)中選出最好的一張圖片，篩選結(jié)果如圖5所示，上方的兩種人臉是笑與不笑的分類(lèi)。

圖1 檢索系統(tǒng)的操作界面

圖2 待檢索的圖集

圖3 圖像的7個(gè)不變矩的值

圖4 模糊與清晰圖片測(cè)試

圖5 分類(lèi)及篩選后的最終結(jié)果

5 結(jié) 語(yǔ)

本文在研究國(guó)內(nèi)外基于內(nèi)容的圖像檢索技術(shù)的歷史發(fā)展和應(yīng)用狀況的基礎(chǔ)上，主要進(jìn)行了以下工作。對(duì)基于內(nèi)容的相似圖像檢索技術(shù)進(jìn)行了簡(jiǎn)要描述，用不變矩特征中的Hu矩進(jìn)行特征提取操作，介紹了常見(jiàn)的幾種相似性匹配算法，并選用PSNR圖像質(zhì)量評(píng)估算法對(duì)優(yōu)質(zhì)圖像進(jìn)行選擇，最后用文中介紹的技術(shù)實(shí)現(xiàn)了一個(gè)相似圖像檢索系統(tǒng)。實(shí)現(xiàn)該系統(tǒng)的3個(gè)關(guān)鍵問(wèn)題是：圖像的特征值提取和基于內(nèi)容特征的圖像相似性匹配方法，以及圖像質(zhì)量評(píng)估方法。本文對(duì)這些方法的研究和探索，實(shí)現(xiàn)了設(shè)計(jì)預(yù)期的基本功能。

參考文獻(xiàn)(References)：

[1] 葉金財(cái). 數(shù)字圖像質(zhì)量的多源特征分析與提取[D].南昌：江西財(cái)經(jīng)大學(xué)計(jì)算機(jī)應(yīng)用技術(shù),2010.

[2] 肖 明，王永紅，石 勇. 基于內(nèi)容的圖像檢索研究進(jìn)展[J].情報(bào)雜志, 2007,26(1): 43-45.

[3] Ooi B C， Tan K L， Chua T S，et al. Fast image retrieval using color-spatial information[J].Vldb Journal — the International Journal on Very Large Data Bases, 1998, 7(2):115-128.

[4] 李 勇. 基于內(nèi)容的圖像檢索技術(shù)研究[D].吉林：吉林大學(xué)通信工程學(xué)院,2009.

[5] 傅文林. 基于內(nèi)容的圖像檢索技術(shù)研究[D].上海：上海交通大學(xué)模式識(shí)別與智能系統(tǒng),2010.

[6] 梁大寬, 韓曉明. 基于融合Hu矩和區(qū)域矩特征的多車(chē)牌定位[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2016, 37(11):3097-3101.

[7] 原 玥, 王 宏, 原培新,等. 一種改進(jìn)的Hu不變矩算法在存儲(chǔ)介質(zhì)圖像識(shí)別中的應(yīng)用[J]. 儀器儀表學(xué)報(bào), 2016, 17(5):1042-1048.

[8] 郭曉宇. 基于Hu矩和Zernike矩的圖像目標(biāo)識(shí)別算法設(shè)計(jì)[D].沈陽(yáng)：沈陽(yáng)航空工業(yè)學(xué)院測(cè)控技術(shù)與儀器,2009.

[9] 任金昌，趙榮椿，馮大淦. 用形狀相似性進(jìn)行基于內(nèi)容的圖像檢索[J]. 中國(guó)體視學(xué)與圖像分析, 2000(1): 44-48.

[10] 馮愛(ài)萍. 基于內(nèi)容的圖像檢索系統(tǒng)研究[D].北京：北京郵電大學(xué)信息與通信工程學(xué)院,2011.

[11] 許 凱. 基于圖像識(shí)別的蘋(píng)果果實(shí)檢測(cè)技術(shù)[J]. 實(shí) 驗(yàn)室研究與探索, 2016, 35(10):36-39.

[12] 李紅蕾，凌 捷，徐少?gòu)?qiáng). 關(guān)于圖像質(zhì)量評(píng)價(jià)指標(biāo)PSNR的注記[J].廣東工業(yè)大學(xué)學(xué)報(bào),2004，1(3): 74-78.

[13] 孫 燕, 李曉光, 卓 力,等. 一種基于小波壓縮感知的藏族壁畫(huà)圖像處理[J]. 實(shí)驗(yàn)室研究與探索, 2016, 35(5):138-140.

[14] Gonzalez Rafael C, Woods Richard E, Eddins Steven L，等.數(shù)字圖像處理(MATLAB版)[M].2版.北京：電子工業(yè)出版社,2014.