一種有監督的快速紋理檢測方法

摘要：提出了一種基于貝葉斯公式的有監督的快速紋理檢測方法。該方法從用戶選擇的前景模板獲得前景直方圖；從整個圖像獲得背景直方圖。直方圖都經過高斯濾波器平滑，然后利用貝葉斯公式計算每個像素的前景和背景的概率，之后采用區域增長方法合并前景，并采用前景同化運算作預處理和優化處理。實驗對Berkeley數據庫的圖像進行了測試，證明該方法較文獻[1]方法更快速，且檢測質量并未大幅下降。

關鍵詞：有監督；貝葉斯公式；前景模板；區域增長；前景同化運算

中圖分類號：TP391．4文獻標志碼：A

文章編號：1001-3695(2007)12-0381-02

紋理檢測是圖像分析中的難點。因為紋理的定義是與任務相關的，也就是說紋理的檢測是基于知識的^[1]。一個理想的紋理分割算法以一個圖像作為輸入，以分割成的有意義的、不重疊的區域作為輸出。然而，實際工作中常會碰到過度分割和不充分分割的問題。比如Shi等人^[2]的基于擬合曲線，將圖像分割成許多不重疊的區域，并提供了一種閉合曲線處理。但是，該方法檢測的區域邊界經常不與物體的真實邊界一致。Stella^[3]在Shi等人的基礎上作了改進，分割在不同的尺度下進行，最終的分割結果由分割的片段組成，但是邊界不一致問題仍然存在。Malik等人^[4]的紋理檢測不需要人工參與，是自動完成的。這種紋理分割叫做自動紋理分割。

與自動分割相比，需要人交互的分割，即有監督的分割更值得研究。紋理檢測所需的與任務有關的信息可以在與人的交互中獲得，從而為精確的分割創造條件，所以有監督的紋理分割更接近于紋理分割的應用，檢測效果更好。例如文獻[1]的方法檢測之前先讓用戶選擇感興趣的前景區域；然后采用Martin等人^[5]的方法，根據相鄰像素間的亮度、梯度和顏色信息計算兩像素間的關聯概率，并利用貝葉斯公式計算每個像素的前景和背景概率；構建一個圖模型，并使用Boykov等人^[6]的最小/最大流量方法檢測前景。

本文方法借鑒了文獻[1]對像素前景和背景概率的計算方法，同時克服了其處理復雜、耗時長的缺點，提出一種有監督的快速紋理檢測方法。該方法首先讓用戶選擇一個前景模板；然后分別統計出前景模板和整個圖像的R、G、B直方圖；再利用貝葉斯公式求出每個像素的前景和背景概率；之后先采用半徑為1的前景同化運算作預處理，再采用區域增長合并前景；最后采用半徑為2的前景同化運算作前景優化。

3討論

本文方法的缺點是受前景模板選取的影響較大。如果前景模板選取得不好，那么可能出現檢測的前景不完備，或較多背景黏附的問題。這使得本文方法使用通用模板檢測圖像的效果不理想。因此本文方法不適合使用通用模板進行圖像檢索，而適合用來快速地檢測前景。

4結束語

本文方法對前景模板的選取特別敏感，不適合使用通用模板進行圖像檢索。本文方法對前景模板和背景的特征提取存在概率誤差，以后可以考慮使用一種更精確的特征提取方法；另外，本文方法使用固定長寬的矩形框選取前景模板，以后可以考慮使用自定義形狀的多個多邊形或曲線框來檢測同一個前景，以達到多層次檢測前景的目的。

參考文獻：

[1]MICUSIK B， HANBURY A. Supervised texture detection in images[C]//Proc of Conference on Computer Analysis of Images and Patterns(CAIP). 2005:441-448.

[2]SHI J，MALIK J.Normalized cuts and image segmentation[J].PAMI，2000，22(8): 888-905.

[3]STELLA X Y.Segmentation using multiscale cues[C]//Proc of CVPR. 2004:247-254.

[4]MALIK J，BELONGIE S，LEUNG T，et al.Contour and texture analysis for image segmentation[J].IJCV，2001，43(1): 7-27.

[5]MARTIN D R，FOWLKES C C，MALIK J.Learning to detect natural image boundaries using local brightness， color， and texture cues[J].PAMI，2004，26(5): 530-549.

[6]BOYKOV Y，KOLMOGOROV V.An experimental comparison of min－cut/max－flow algorithms for energy minimization in vision[J].PAMI，2004，26(9): 1124－1137.

[7]韓艷芳，賀貴明，賈振堂. 運動視頻對象分割的一種快速算法[J]. 中國圖象圖形學報， 2002， 7(11A): 1123－1127.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”