謝光藝，郭寶龍，黃 喆

(西安電子科技大學(xué)空間科學(xué)與技術(shù)學(xué)院，陜西 西安 710071)

1 引言

圖像同語言相比更加直觀、簡潔，含有更豐富的視覺信息。雖然圖像識別技術(shù)已得到極大發(fā)展，在網(wǎng)上購物、監(jiān)控視頻、車牌、人臉和目標(biāo)識別等諸多領(lǐng)域得到應(yīng)用。但是隨著互聯(lián)網(wǎng)信息的快速增長，想找到一幅相關(guān)的圖像越發(fā)困難，首先是圖像數(shù)量呈現(xiàn)幾何級數(shù)式的增長，在海量的信息中僅憑人工去尋找費(fèi)時費(fèi)力。其次雖然增加文字標(biāo)注會明顯提高檢索效率，但不同的人對圖像有不同的理解，會造成圖像底層內(nèi)容和高級語義的歧義，影響檢索效果。針對這些情況，圖像檢索具有重要的作用和價值。

根據(jù)圖像紋理、顏色信息、幾何特征和空間關(guān)系等底層特征信息進(jìn)行圖像檢索，一直是研究的主要方向。文獻(xiàn)[5]中使用塊級離散余弦變換(DCT)和灰度級共生矩陣(GLCM)提取了圖像的視覺內(nèi)容。在所有的圖像檢索方法中，興趣點(diǎn)法使用的興趣點(diǎn)具有運(yùn)算量小、信息量大的優(yōu)點(diǎn)，在運(yùn)動估計、圖像匹配合成諸多領(lǐng)域得到大量應(yīng)用，并且使用興趣點(diǎn)進(jìn)行圖像檢索也是一個熱點(diǎn)問題。興趣點(diǎn)即為一幅圖像內(nèi)在水平X軸和垂直Y軸兩個方向灰度值都有顯著改變的特殊像素點(diǎn)。由于興趣點(diǎn)也通常是邊緣點(diǎn)，在其附近的鄰域內(nèi)應(yīng)該蘊(yùn)含了豐富的細(xì)節(jié)信息。在文獻(xiàn)[7-9]中檢測圖像的穩(wěn)定興趣點(diǎn)，利用底層的顏色直方圖、紋理特征并結(jié)合空間特征進(jìn)行檢索。但這些方法都沒考慮到大多數(shù)的檢測圖像都有檢測主體，位于背景圖像中的興趣點(diǎn)會影響圖像檢測的準(zhǔn)確率。為了克服這個缺點(diǎn)，需要去除這些干擾興趣點(diǎn)。針對這些方法的不足本文提出了穩(wěn)定興趣點(diǎn)區(qū)域的圖像檢索方法。

2 算法描述

所提方法首先利用Harris算子檢測到圖像的興趣點(diǎn)，再計算以興趣點(diǎn)為中心鄰域灰度值的偽澤尼克矩。比較查詢圖像和候選圖像間各個興趣點(diǎn)間的偽澤尼克距離找到最佳配對點(diǎn)對，并取得相應(yīng)凸包區(qū)域從而能夠?qū)崿F(xiàn)物體形狀粗略表征，再結(jié)合顏色和紋理特征進(jìn)行圖像檢索。該方法克服了傳統(tǒng)興趣點(diǎn)算法只提取邊緣局部特征的不足，整體框圖如圖1所示。

圖1 算法流程圖

2.1 興趣點(diǎn)檢測

檢測興趣點(diǎn)的算法很多，常見的有SUSAN(Small univalue segment assimilating nucleus)算法、Moravec算法和 Harris算法，本文采用 Harris 和 Stephens所提方法。這種方法運(yùn)算較簡單、對平移、旋轉(zhuǎn)適用性好。圖像灰度顯著變化的位置由自相關(guān)函數(shù)來確定，公式為

(1)

興趣點(diǎn)的判斷公式為

(2)

2.2 穩(wěn)定興趣點(diǎn)區(qū)域

2

.

2

.

1 匹配興趣點(diǎn)

偽澤尼克矩是典型的一種不變矩，抗噪性能強(qiáng)于澤尼克矩。通過計算興趣點(diǎn)鄰域的灰度偽澤尼克矩，比較查詢圖像和待檢圖像間各個興趣點(diǎn)間的距離，確定最佳匹配點(diǎn)對，并去除圖像背景上的無關(guān)興趣點(diǎn)。

把變換圖像

I

(

x

,

y

)映射到偽澤尼克矩的基集 (單位圓(

x

+

y

≤1)中的一組完備正交集)上，即得到偽澤尼克矩變換

(3)

式中

n

是階數(shù)，為非負(fù)整數(shù)。

m

是重復(fù)度，取整數(shù)，兩者滿足

n

≥|

m

| ；*表示復(fù)數(shù)共軛。極坐標(biāo)下像素點(diǎn)的半徑和角度分別是

ρ

和

θ

，極坐標(biāo)下(

n

，

m

)階數(shù)偽澤尼克矩定義為

V

=

V

(

ρ

,

θ

)

(4)

此坐標(biāo)下求圖像的偽澤尼克矩由式(3)變?yōu)?/p>

(5)

計算圖像的偽澤尼克矩時，極坐標(biāo)原點(diǎn)選做圖像的興趣點(diǎn)，運(yùn)算相關(guān)鄰域圖像變換到單位圓內(nèi)的像素點(diǎn)，其余的像素點(diǎn)不予計算。

圖2 穩(wěn)定區(qū)域示意圖

由以上計算可得查詢圖像和候選圖像每個點(diǎn)的偽澤尼克矩。偽澤尼克矩階數(shù)越高，計算代價越大，所以圖像檢索通常只用10 階之內(nèi)的偽澤尼克矩， 就能夠?qū)崿F(xiàn)圖像良好的形狀表征。由于偽澤尼克矩的共扼對稱性，運(yùn)算減少一半，計算

m

≥ 0時的|

A

|，又因為歸一化圖像

A

和

A

的是常數(shù)，故只需計算

n

從2 到10階偽澤尼克矩，所以一個34維度的向量就可表示圖像形狀特征。

(6)

由(6)式計算查詢圖像和候選圖像每個點(diǎn)的偽澤尼克矩距離。候選圖像每一個查詢圖像的興趣點(diǎn)值可以找到查詢圖像上偽澤尼克矩距離值最小值的點(diǎn)，作為兩張圖像的匹配興趣點(diǎn)，然后去除非配對的興趣點(diǎn)。

2

.

2

.

2 計算穩(wěn)定興趣點(diǎn)區(qū)域

在平面上包括所有觀測點(diǎn)的最小凸多邊形為凸包。它在圖像處理、物體追蹤等領(lǐng)域得到大量應(yīng)用。計算凸包的方法很多，格雷厄姆掃描法具有運(yùn)算簡單、運(yùn)行速度快。所以本文采用此種方法算出興趣點(diǎn)凸包，從而獲得穩(wěn)定興趣點(diǎn)區(qū)域。穩(wěn)定興趣點(diǎn)區(qū)域為關(guān)注焦點(diǎn)所在，特別是查詢圖像有主體對象時，基本可以實(shí)現(xiàn)感興趣對象和背景的分割。圖2(b)是穩(wěn)定興趣點(diǎn)區(qū)域的示意圖，左側(cè)是查詢圖像，右側(cè)為候選圖像，白色點(diǎn)代表匹配的興趣點(diǎn)。凸包劃分的結(jié)果如白色多邊形區(qū)域所示。從圖中可以看出，經(jīng)過興趣點(diǎn)匹配再進(jìn)行凸包運(yùn)算，大致得到兩輛公共汽車的輪廓，從而得到穩(wěn)定的興趣點(diǎn)凸包區(qū)域。

圖3 紋理特征提取示意圖

2.3 穩(wěn)定興趣點(diǎn)區(qū)域的特征提取

2.3.1 顏色直方圖

因為RGB顏色空間是計算機(jī)上的顯視顏色空間，所以在此空間提取圖像的顏色信息特征產(chǎn)生的誤差會最小，然而由于計算量及存儲的原因，實(shí)際中較少采用。而HSV顏色空間更符合人眼視覺特征，并且HSV三個變量互相獨(dú)立。另外為提高運(yùn)算效率而不影響檢索效果，先量化圖像顏色，這里采用非等間隔量化方法。具體方法為：首先對

HSV

空間的圖像進(jìn)行映射編碼，飽和度

S

和亮度

V

的取值范圍都從[0，1]映射到整數(shù)空間[0，2]，色調(diào)

H

的取值范圍從[0°,360°]映射為[0，7]，再由

V

=9

H

+3

S

+

V

計算得到圖像的特征矢量

V

，其取值范圍為[0，71]，每個值都對應(yīng)一種圖像顏色。按公式

H

=

number

/number

，(

k

=10,1…，71)統(tǒng)計穩(wěn)定的興趣點(diǎn)區(qū)域內(nèi)的顏色直方圖，其中

number

為穩(wěn)定區(qū)域內(nèi)顏色為

k

的像素數(shù)量，

number

為穩(wěn)定區(qū)域內(nèi)像素的總數(shù)。2

.

3

.

2 紋理特征提取

圖像的紋理是能夠表達(dá)圖像細(xì)節(jié)信息的局部結(jié)構(gòu)化特征，有利于體現(xiàn)物體的特質(zhì)。人們通過研究發(fā)現(xiàn)，Gabor濾波器的多尺度多方向類似人眼的視覺系統(tǒng)，用Gabor濾波器提取和區(qū)分物體的紋理信息特征很有優(yōu)勢，所以這里用Gabor函數(shù)來獲取物體的紋理信息特征。

(7)

這里

ψ

(

x

,

y

)為小波基函數(shù)，

σ

和

σ

是沿水平

X

軸和垂直

Y

軸上的方差，基波函數(shù)是以(

ω

,0)為中心頻率的帶通濾波器。令

x

′=

a

-(cos

θ

+

y

sin

θ

)，

y

′=

a

-(

y

cos

θ

-

x

sin

θ

)，

θ

=

n

π

/k

，

k

為變換方向數(shù)，

a

-為尺度變換因子。則

ψ

(

x

，

y

)是由基函數(shù)

ψ

(

x

，

y

)進(jìn)行尺度和旋轉(zhuǎn)變換后可得到Gabor小波族，其表示如下

ψ

(

x

，

y

)=

a

-

ψ

(

x

′，

y

′)，

a

> 1，

m

，

n

∈

Z

(8)

圖像

I

(

x

，

y

)與Gabor濾波器各子帶信號進(jìn)行卷積和的計算，就能得到不同尺度和不同方向的各個濾波子圖像，可表示為

(9)

設(shè)

I

(

x

，

y

)的大小為

M

×

N

，由式(10)(11)分別計算出圖像經(jīng)多尺度和多方向濾波后各子圖的均值

μ

和標(biāo)準(zhǔn)方差

σ

，從而提取出圖像的紋理特征。一幅經(jīng)過濾波后的圖像如圖3所示。

(10)

(11)

實(shí)驗已經(jīng)表明當(dāng)尺度數(shù)和方向數(shù)分別取值為4和6時Gabor提取紋理時的效果最好[15]，因此本文也選取4個尺度，6個方向提取特征。紋理特征向量為：

T

(

μ

，

σ

；

μ

，

σ

；…

μ

，

σ

)。

2.4 相似性度量

當(dāng)檢索目標(biāo)圖像是

Q

，圖像數(shù)據(jù)庫里的一張圖像為

I

，這里使用它們的特征加權(quán)距離來計算兩張圖內(nèi)容的相近度。目標(biāo)圖像

Q

與庫圖像

I

的顏色直方圖信息特征相近度是

S

，它們的紋理信息特征相近度為

S

，兩張圖最終的相近度為

S

(

Q

，

I

)=

ω

S

(

Q

，

I

)+

ω

S

(

Q

，

I

)

(12)

其中，

ω

和

ω

是可調(diào)權(quán)值，且滿足

ω

+

ω

=1；檢索目標(biāo)圖像

Q

和庫待檢圖像

I

的顏色信息特征向量分別為

H

和

H

，而

T

和

T

是查詢圖像

Q

和庫待檢圖像

I

的紋理特征向量；

ω

和

ω

的選擇是依據(jù)顏色直方圖和紋理在檢索中的作用決定的，可用支持向量基、蟻群等算法優(yōu)化，因為本算法不涉及這部分內(nèi)容，后面實(shí)驗為簡化，兩個值都取0

.

5。抽取待檢圖像和數(shù)據(jù)庫中的每幅圖像，按上式計算

S

(

Q

，

I

)數(shù)值，并按從大到小排序，值越大越表明兩幅圖像越相似。

3 實(shí)驗結(jié)果及結(jié)論

查全率也是衡量查詢圖像結(jié)果的一個重要指標(biāo)，其定義是

P

=

n/R

，這里

n

是檢索返回和檢索目標(biāo)圖像屬于同類別圖像的數(shù)目，

R

為數(shù)據(jù)庫中屬于檢索目標(biāo)圖像類別中的圖像總個數(shù)。查準(zhǔn)率被用來描述算法查詢的準(zhǔn)確性，查全率用來描述算法查詢的全面性。只要查準(zhǔn)率和查全率數(shù)值越高，算法的功能就越好。查準(zhǔn)率(

P

)和查全率(

P

)是目前衡量查詢算法最廣泛的評價標(biāo)準(zhǔn)。圖5是上面所提三種算法查準(zhǔn)率—查全率統(tǒng)計圖，從圖中可以看出本文的算法包含的圖形面積區(qū)域最大，表明本文所提算法明顯提高了查準(zhǔn)率和查全率。

為了更好的檢驗本文所提的算法，在Corel-10K數(shù)據(jù)集上進(jìn)行了實(shí)驗。該數(shù)據(jù)集圖像大小為187×126(或126×187)，包含100種類別物體，有旗幟，郵票，船舶，摩托車，帆船，飛機(jī)等類別圖像，每個類別100張圖像，總共10，000張圖像。

表1 數(shù)據(jù)集Corel-1k上各算法檢索結(jié)果比較Unit：%

圖4 三種算法對bus類圖像的檢測結(jié)果．

圖5 三種算法在數(shù)據(jù)集Corel-1k上查準(zhǔn)率—查全率圖

圖6 三種算法在數(shù)據(jù)集Corel-10k上查準(zhǔn)率—查全率圖

4 結(jié)束語

利用檢測出的興趣點(diǎn)鄰域灰度信息計算各點(diǎn)的偽澤尼克矩，通過比較查詢圖像和候選圖像間各個興趣點(diǎn)間的偽澤尼克矩距離，找到最佳配對點(diǎn)對。然后以這些點(diǎn)對取得相應(yīng)凸包區(qū)域，即得到穩(wěn)定的興趣點(diǎn)區(qū)域。最后利用顏色直方圖結(jié)合Gabor小波變換提取穩(wěn)定興趣點(diǎn)區(qū)域內(nèi)圖像的顏色和紋理信息作為特征進(jìn)行圖像檢索，實(shí)驗表明所提方法提高了準(zhǔn)確率和查全率。在接下來的工作中，利用興趣點(diǎn)的幾何形狀預(yù)判圖像中有無明顯主體，再采取不同的機(jī)制進(jìn)行檢索。還可以引入反饋機(jī)制，調(diào)整權(quán)系數(shù)，從而進(jìn)一步提高檢效果。