陳明

(四川工商職業(yè)技術(shù)學(xué)院 信息工程系,四川 都江堰611837)

基于大數(shù)據(jù)的特征選取常被看作是模式分類,將圖像顏色紋理的描述模式轉(zhuǎn)化為較簡(jiǎn)單的子模式的組合,進(jìn)而獲得基于大數(shù)據(jù)的圖像顏色紋理特征樹(shù)形結(jié)構(gòu)描述。在基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取中,需要警示性圖像基元行為模式是緊湊的、具化的,以及容易被非句法方法加以描述的[1]。此外,基于大數(shù)據(jù)的特征選取方法還可以以模糊數(shù)字為基礎(chǔ),將警示性圖像顏色紋理特征的選取從二值邏輯推向連續(xù)邏輯,更符合人類的思維模式。通常情況下,基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取的方法需要大量相關(guān)信息,而在對(duì)數(shù)據(jù)進(jìn)行預(yù)處理的前提下,為避免圖像顏色紋理失真或變形,需要除去混入的警示性圖像干擾數(shù)據(jù)。在基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取過(guò)程中,將警示性圖像轉(zhuǎn)換為輸入模式的對(duì)象空間,并映射到顏色紋理特征空間[2]。其中,警示性圖像顏色紋理可以通過(guò)特征空間的某一點(diǎn),或是矢量來(lái)表示[3]。

1 基于大數(shù)據(jù)警示性圖像顏色紋理特征選取方法

1.1 采集基于大數(shù)據(jù)的警示性圖像

在抽取的警示性圖像樣本中,圖像顏色紋理特征之間存在著錯(cuò)綜復(fù)雜的相互關(guān)系,不能對(duì)每個(gè)單獨(dú)的顏色紋理特征進(jìn)行統(tǒng)計(jì),需要根據(jù)警示性圖像的可分性進(jìn)行判斷,以及排序[4-5]。關(guān)于警示性圖像的采集,其圖像顏色紋理的采集單元作用是通過(guò)合適的圖像,實(shí)時(shí)采集警示性圖像顏色紋理特征。在所采集的警示性圖像中,根據(jù)閡值范圍找出警示性圖像樣本的備選區(qū)域,并對(duì)其進(jìn)行灰度化,以及二值化處理?；诖髷?shù)據(jù)的警示性圖像是以三基色原理為基礎(chǔ)的真彩色圖像,而經(jīng)過(guò)一段時(shí)間的監(jiān)測(cè),警示性圖像顏色紋理會(huì)造成一定程度的掉色,甚至造成灰度跳變。

1.2 檢索警示性圖像特征

通常情況下,警示性圖像反射的光直接決定了警示性圖像的顏色以及其紋理?；诖髷?shù)據(jù)的警示性圖像在可監(jiān)測(cè)的范圍內(nèi),警示性圖像顏色紋理受到物理性質(zhì)、化學(xué)性質(zhì)以及光源特性的共同決定,其接收器呈現(xiàn)一種顏色。在某個(gè)三維顏色空間內(nèi),受電子設(shè)備,以及面向視覺(jué)感知的影響,基于大數(shù)據(jù)的警示性圖像顏色包含所有可見(jiàn)光子集的顏色紋理特征。警示性圖像顏色紋理特征選取,直接影響著其選取復(fù)雜性,一定程度上影響了特征選取效率。具體的警示性圖像顏色紋理特征選取流程如圖1所示。受到原始尺寸的影響,所選取警示性圖像顏色紋理特征也具有差異性,不利于警示性圖像檢索的準(zhǔn)確評(píng)價(jià)。警示性圖像顏色紋理特征選取中常用的顏色空間有RGB、HSV以及YIQ等多種圖像顏色空間。在計(jì)算警示性圖像的間距時(shí),要考慮到其圖像顏色紋理特征的分配權(quán)重距離。

圖1 警示性圖像顏色紋理特征選取流程

1.3 運(yùn)用均值漂移分割法實(shí)現(xiàn)顏色紋理特征選取

在基于大數(shù)據(jù)的計(jì)算中,警示性圖像顏色紋理特征主要表現(xiàn)在特定的警示性圖像中像素與其區(qū)域灰度的變化。通常情況下,警示性圖像顏色紋理反映其畫像表面特征所對(duì)應(yīng)的內(nèi)部紋理特征。這不僅反映警示性圖像的灰度,還反映基于大數(shù)據(jù)的圖像中進(jìn)行組織排列的顏色紋理。

根據(jù)灰度共生矩陣,描述警示性圖像顏色紋理中灰度級(jí),以及灰度級(jí)間存在的空間關(guān)聯(lián)性。在警示性圖像中距離為 (△x,△y)的兩個(gè)顏色紋理灰度像素,同時(shí)出現(xiàn)顏色紋理特征選取的聯(lián)合頻率用灰度共生矩陣來(lái)表示。

度的分布特性,具體表達(dá)式如公式(1)所示:

其中,J表示警示性圖像的能量；h,k表示為警示性圖像灰度；m(hk)的分布參數(shù)值可以通過(guò)J的參數(shù)值來(lái)表示。

警示性圖像顏色的變換空間慣量(G)的具體表達(dá)式如公式(2)所示:

其中,警示性圖像顏色紋理的粗細(xì)和慣量(G)成反比,因此,警示性圖像顏色紋理的粗細(xì)與(h,k)的灰度也是成反比。在基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取中,要充分考慮共生矩陣中其圖像顏色紋理特征的關(guān)聯(lián)程度。因此,關(guān)于警示性圖像顏色紋理特征的相關(guān)性(C),可以得到具體表達(dá)式如公式(3)所示:

在基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取中,灰度直方圖可以反映圖像顏色內(nèi)部灰度值的構(gòu)造情況,但是不能準(zhǔn)確反映警示性圖像內(nèi)的像素位置。可以將基于大數(shù)據(jù)計(jì)算的圖像直方圖進(jìn)行劃分,并根據(jù)劃分的不同區(qū)域,調(diào)整警示性圖像顏色紋理特征的直方圖。其中,在警示性圖像中,橫坐標(biāo)表示為大數(shù)據(jù)條件下圖像灰度級(jí)；縱坐標(biāo)表示為其顏色紋理灰度級(jí)的頻次。得到警示性圖像顏色紋理特征參數(shù)歸一化的直方圖表達(dá)式,具體如公式(4)所示:

公式(4)中,rk表示為k級(jí)灰度；P(rk)表示為灰度級(jí)為rk發(fā)生紋理特征選取的概率值；nk示為灰度級(jí)為rk的像素在大數(shù)據(jù)條件下圖像個(gè)數(shù)；n表示為大數(shù)據(jù)條件下圖像的總像素?cái)?shù)。

在大數(shù)據(jù)條件下,其警示圖像顏色紋理特征不僅僅是通過(guò)圖像顏色以及圖像亮度,來(lái)實(shí)現(xiàn)警示性圖像顏色紋理特征的視覺(jué)選取。因此,廣泛應(yīng)用于檢索的圖像,通過(guò)視覺(jué)中的對(duì)比度、方向感、粗糙度、規(guī)整度以及線性度等方面,對(duì)圖像顏色紋理特征進(jìn)行選取。

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)準(zhǔn)備

在基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取研究實(shí)驗(yàn)中,通過(guò)串口將實(shí)驗(yàn)宿主機(jī)以及其目標(biāo)機(jī)進(jìn)行連接,并保證實(shí)驗(yàn)電腦主機(jī)和目標(biāo)板處理器一致。根據(jù)實(shí)驗(yàn)的測(cè)試環(huán)境,警示性圖像顏色紋理特征選取采用交叉編譯環(huán)境,并在電腦主機(jī)首先獲取可執(zhí)行文件。建立與目標(biāo)機(jī)相匹配的連接環(huán)境,便可將警示性圖像顏色紋理特征可執(zhí)行文件讀寫到目標(biāo)機(jī)。

基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取研究的具體開(kāi)發(fā)過(guò)程,主要是安裝VMware的虛擬機(jī)軟件,并在其虛擬系統(tǒng)中安裝Ubuntu 10.04 操作系統(tǒng)。其中,實(shí)驗(yàn)中的警示性圖像數(shù)據(jù)編寫主要是在電腦主機(jī)的Windows系統(tǒng)實(shí)現(xiàn)；而警示性圖像顏色紋理特征選取的編譯過(guò)程是在Linux系統(tǒng)內(nèi)完成。此外,在基于Linux系統(tǒng)的編譯過(guò)程中,需要安裝SDK軟件開(kāi)發(fā)工具包,實(shí)現(xiàn)源代碼的編寫。

2.2 實(shí)驗(yàn)過(guò)程及結(jié)果

在基于大數(shù)據(jù)的警示性圖像顏色紋理特征選取研究中,所研究的數(shù)據(jù)值變化較大,而在提高警示性圖像顏色紋理特征選取效率的同時(shí),還要充分考慮警示性圖像顏色紋理特征選取的精準(zhǔn)度。為了防止警示性圖像顏色紋理特征相關(guān)參數(shù)初始值差異大,因此要將其進(jìn)行規(guī)范化,避免權(quán)重過(guò)大,設(shè)定一個(gè)規(guī)定區(qū)間。

為了驗(yàn)證在大數(shù)據(jù)條件下,具有警示性作用的圖像,在進(jìn)行顏色紋理特征選取具有有效性,將其特征選取的精準(zhǔn)度與傳統(tǒng)的選取結(jié)果進(jìn)行對(duì)比。在警示性圖像像素為150的基礎(chǔ)上,通過(guò)計(jì)算的方式獲取實(shí)驗(yàn)對(duì)比精準(zhǔn)度,具體的實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同特征選取方法的試驗(yàn)結(jié)果對(duì)比

根據(jù)實(shí)驗(yàn)對(duì)比結(jié)果可知,在像素點(diǎn)總數(shù)一定的前提下,傳統(tǒng)的警示性圖像顏色紋理特征選取方法精準(zhǔn)率在90%上下波動(dòng)；而在大數(shù)據(jù)條件下,具有警示性作用的圖像顏色紋理特征選取像素個(gè)數(shù)最多,且準(zhǔn)確率能夠達(dá)到96.6 %,且誤差率僅為2.3 %。因此,在大數(shù)據(jù)條件下,具有警示性作用的圖像顏色紋理特征選取在保證精準(zhǔn)率的基礎(chǔ)上,還能夠提高效率。

結(jié)束語(yǔ)

在對(duì)具有警示性圖像顏色紋理特征進(jìn)行選取時(shí),需要明確與視覺(jué)感知更接近的顏色相似性度量方法。警示性圖像顏色紋理特征選取前期充分利用其直方圖,并根據(jù)顏色紋理像素點(diǎn),對(duì)其特征選取的相關(guān)參數(shù)進(jìn)行計(jì)算,以此實(shí)現(xiàn)基于大數(shù)據(jù)的特征提取。[1]劉欣誼,仲曉春,陳晨,劉濤等.利用無(wú)人機(jī)圖像顏色與紋理特征數(shù)據(jù)在小麥生育前期對(duì)產(chǎn)量進(jìn)行預(yù)測(cè)[J].麥類作物學(xué)報(bào),2020,40(08):1002-1007.