基于內(nèi)容的圖像檢索-感興趣區(qū)域的提取

陳瑞文

(黎明職業(yè)大學(xué) 信息與電子工程學(xué)院，福建 泉州 362000)

1 引言

隨著互聯(lián)網(wǎng)的高速發(fā)展，數(shù)字圖片的數(shù)量呈幾何倍增長，在海量的圖庫中，單純靠圖片名很難準確地找到相應(yīng)的圖片.基于內(nèi)容的圖像檢索是一種根據(jù)圖像內(nèi)容進行檢索的方法，同傳統(tǒng)的基于文件名進行檢索的方法相比，它能更準確地找出所需的圖片，能在更大程度上滿足人們的需求.

基于內(nèi)容的圖像檢索的關(guān)鍵是如何將圖像的主體內(nèi)容和背景分割開，以實現(xiàn)更加精確的基于內(nèi)容的圖像檢索和匹配.圖像的主體內(nèi)容就是圖像的感興趣區(qū)域，關(guān)于感興趣區(qū)域的提取一直是基于內(nèi)容的圖像檢索的研究熱點和難點.近年來，有許多學(xué)者提出了一種感興趣區(qū)域的提取方法，就是先進行圖像特征點的提取，再根據(jù)特征點提取感興趣區(qū)域.目前經(jīng)常采用的特征點提取方法有：基于距離、角度、模板方法[1]，Harris方法，基于曲率尺度空間(curvature scale space，CSS)方法等.

文獻[2]、[3]采用的方法是將特征點相連形成凸包，確定感興趣區(qū)域；文獻[4]采用基于滑動窗口的方法，通過滑動窗口，找到包含特征點最多的矩形區(qū)域，確定感興趣區(qū)域.以上方法的缺點是當特征點比較分散時，感興趣區(qū)域?qū)^多的背景區(qū)域，影響檢索的效果.因此，本文提出了一種基于曲率尺度空間的特征點提取方式，并根據(jù)特征點的特征值來確定感興趣區(qū)域，然后基于顏色和紋理特征進行基于內(nèi)容的圖像檢索，并通過實驗證明方法的檢索效果.

2 感興趣區(qū)域提取

2.1 特征點提取

本文采用曲率尺度空間方法進行特征點的提取.

其基本原理是首先在較高的尺度下把局部曲率最大點作為候選點，如果某個候選點處的曲率值大于所設(shè)定閾值，則把該角點作為正確特征點，然后在較低的尺度下定位這些特征點[5].

設(shè)k(u，σj)表示在尺度σj下輪廓曲線任意一點的曲率，表示方法如下:

(1)

其中Xu=x(u)?gu(u，σj),Xuu=x(u) ?guu(u，σj)，Yu=y(u)?gu(u，σj),Yuu=y(u)?guu(u，σj),g(u，σj)表示高斯函數(shù)g(u)在不同尺度σj下的表示形式;

gu(u，σj)和guu(u，σj)為g(u，σj) 關(guān)于u的一階和二階導(dǎo)數(shù)；?表示卷積；u為弧長參數(shù).為了克服噪聲對CSS的影響，張小洪等人提出利用多尺度曲率積來增強特征信息、抑制噪聲[6].但是，由于尺度的變大，使得某些特征點的曲率隨著變小，曲率積也隨之變小，導(dǎo)致這些特征點被作為偽特征點而被剔除掉.因此，在文獻[7]中又提出了一種新的方法，基于多曲率多項式的提取方法.具體方法是針對不同尺度下曲率的局部極大值點，計算曲率的加權(quán)和，而非極值點則計算曲率積.[7]采用這種方法就可以避免以上所說的特征點被剔除的問題.具體提取方法如下:

(2)

2.2 感興趣區(qū)域提取

感興趣區(qū)域的確定取決于提取的特征點.在文獻[2]、[3]中，將邊緣特征點進行連接，形成一個凸多邊形，將所有特征點包含進來.文獻[4]則采用滑動窗口的方法，將窗口內(nèi)的特征點的特征值相加，選擇總和最大的窗口作為感興趣區(qū)域.采用文獻[2]、[3]的方法對于背景比較簡單的圖像來說，感興趣區(qū)域提取的效果很好，但對于背景比較復(fù)雜的圖像來說，感興趣區(qū)域提取的效果就不理想.

本文提出了一種新的基于特征點的感興趣區(qū)域的提取方法.

取特征點的邊界點(即左上，右上，左下，右下的邊界點)連接成矩形區(qū)域.若矩形區(qū)域滿足以下兩個條件，則該區(qū)域就是最終的感興趣區(qū)域.條件如下：

①矩形區(qū)域不超過整幅圖像的1/2.

②所包含的特征點超過特征點總數(shù)的1/2.

如果不滿足以上兩個條件，則對矩形框進行變換.

首先，如果不滿足條件1，則對矩形區(qū)域進行收縮，等比例收縮，收縮至整幅圖像的1/2.

其次，如果不滿足條件2，則對區(qū)域外的特征點進行檢測，選取特征點最多的方向進行移動，直至滿足條件2.

若始終無法滿足以上兩個條件，則以最初構(gòu)造的矩形區(qū)域作為感興趣區(qū)域.

3 實驗結(jié)果

根據(jù)以上方法，我們以corel1000圖庫為例，進行了實驗.該圖庫包括了10類圖像，每類各100幅，包括花、建筑、恐龍、公共汽車等.我們首先進行了感興趣區(qū)域的提取實驗，以下是部分實驗結(jié)果.

圖1 基于本文方法的感興趣區(qū)域提取結(jié)果

為了進一步證明使用這種感興趣區(qū)域的提取方法對于圖像檢索的作用，我們進行了圖像檢索的實驗.采用顏色特征和紋理特征進行檢索實驗，以查準率為評價標準，比較使用感興趣區(qū)域提取方法和不使用感興趣區(qū)域提取方法的檢索效果.其中顏色特征采用HSV顏色空間，量化為36種顏色，量化方法如下[8]：

(3)

(4)

(5)

紋理特征采用區(qū)域紋理譜描述符特征[9].對于如圖2所示的8-鄰域，區(qū)域紋理譜描述符如式(5)所示:

(6)

其中

s(Pi,Pc，Pi+4)=d1⊙d2

從而可以得到16維的紋理直方圖.

實驗中，采用直方圖相交法分別計算顏色和紋理直方圖間的距離，顏色和紋理特征的比重分別取0.5和0.5.對于每類圖像，分別進行30次查詢，每次取前20幅圖像，并計算查詢結(jié)果的平均值，統(tǒng)計其平均查準率.實驗結(jié)果如表1所示.

圖2 8-鄰域

表1 實驗平均查準率

4 結(jié)束語

圖像的特征點包含了圖像的重要信息，只有抓住了特征點才能準確地把握圖像的感興趣區(qū)域.在特征點提取以后，本文的方法既考慮了邊緣特征點，又把盡可能多的特征點包含進來，同時控制感興趣區(qū)域的大小范圍，在感興趣區(qū)域的提取實驗中，取得了比較好的結(jié)果.采用該感興趣區(qū)域提取方法，結(jié)合HSV顏色空間和紋理譜描述方法進行檢索實驗，檢索的查準率比較理想，取得了較好的檢索效果.

參考文獻：

[1]楊海峰，侯朝楨.基于距離、角度、模板的角點檢測算法[J].激光與紅外，2005，35(7):527-530.

[2]陳素霞.圖像感興趣區(qū)域的提取及檢索技術(shù)研究[D].焦作:河南理工大學(xué)，2009.

[3]孟繁杰,郭寶龍，李新偉，等.基于興趣點凸包的圖像檢索方法[J].光電子·激光，2010，21(6):936-939.

[4]染春迎，王國營，康進峰.基于顯著區(qū)域的圖像檢索方法[J].計算機工程，2010，36(5):210-211.

[5]毋小省,孫君頂.基于感興趣區(qū)域的圖像檢索方法[J].激光與紅外，2013,43(2):221-224.

[6]張小洪,雷明,楊丹.基于多尺度曲率乘積的魯棒圖像角點檢測[J].中國圖象圖形學(xué)報,2007,7(12):1270-1275.

[7]孫君頂,郭啟強,張兆生.基于曲率尺度空間的輪廓角點檢測[J].光電工程,2009，36(7):78-82.

[8]黃元元.基于視覺特征的圖像檢索技術(shù)研究[D].南京:南京理工大學(xué),2003.

[9]毋小省.基于紋理譜特征的圖像檢索技術(shù)研究[D].焦作:河南理工大學(xué),2010.