一種基于三支決策SVM 分類的圖像識別方法

邵帥

（重慶市地理信息中心，重慶401147）

0 引言

圖像識別（Image Recognition）的定義是利用計算機對原始圖像進行處理、分析和理解，達到識別各種不同的目標和對象目的的技術。從70 年代開始基于內(nèi)容的圖像識別技術便成為一個非?；钴S的研究領域，其推動力來源于兩大研究方向[1]：數(shù)據(jù)庫系統(tǒng)和計算機視覺。基于智能化、多媒體數(shù)據(jù)挖掘的一個重要分支是關于內(nèi)容的圖像識別技術，而圖像識別經(jīng)歷了文字識別、數(shù)字識別和物體識別三個階段，每一個階段代表了一項新的智能技術的產(chǎn)生。最開始的圖像識別研究主要集中在全局特征和相似度度量的方法對圖像的全局進行描述，達到圖像理解的效果。由于計算機人工智能技術和大數(shù)據(jù)計算機視覺技術發(fā)展的不成熟，所以使得圖像識別的發(fā)展受到限制。因為圖像識別一般采用全局的圖像特征，所以這類方法僅對圖像信息簡單或背景較為單一的圖像有效，基于此，圖像識別的相關反饋技術成了當前研究的一個熱點。圖像信息反饋技術會根據(jù)用戶的需求實時調(diào)整需要檢索的特征和相應算法，盡可能降低高層語義和低層特征之間差異帶來的影響。目前計算機視覺和模式識別技術還不能達到對目標進行高效識別的水準，導致了描述對象層語義和抽象層語義比較困難，因此現(xiàn)在對于圖像語義特征的研究集中在語義特征模型的第一層，即特征語義層[2]。因為簡單語義特征的提取與分析是利用復雜語義信息的基礎，而計算機對圖像內(nèi)容的理解一般指圖像的低層視覺特征，如顏色、紋理、形狀等；而實際上，人類對圖像的理解即圖像語義信息表達的內(nèi)容要遠遠多于圖像的視覺特征。這種從圖像低層視覺特征與圖像高層語義特征之間存在著的較大差距，即“語義鴻溝”[2-3]。綜上所述，現(xiàn)在一般的圖像識別方法都是基于圖像的低層語義進行研究的，由于計算機自身性能的問題，只能程序化的執(zhí)行單一的操作指令，導致一般方法對圖像的識別率低，而如何提高圖像識別率，理解圖像深層語義成了現(xiàn)在亟待解決的研究方向。

三支決策理論（Three-Way Decision Method），是姚一豫等人在粗糙集和決策粗糙集基礎上提出的新的決策理論。2012 年10 月召開的中國粗糙集與軟計算會議上，姚一豫教授系統(tǒng)地介紹了三支決策理論的背景、框架、模型及應用?！叭Q策理論與應用”標志著三支決策由粗糙集的三個區(qū)間的語義解釋逐步發(fā)展為一種不確定或不完整信息條件下的決策理論[4]。三支決策具有非常強的普適性，能廣泛的應用與不同的學科和領域。之前，對于三支決策的研究主要集中于靜態(tài)決策問題[5]。然而現(xiàn)實問題中，初始階段的有效信息往往是不足的，人們對決策對象的認識具有模糊性，無法做出準確判斷；隨著信息的更新和補充，人們的認識達到更精準，做出更準確的判斷；最終，信息充分，人們給出準確判斷。目前，三支決策理論應用于解決復雜問題和計算機模擬人類思維的方法中，現(xiàn)在很多學者在研究將三支決策與粒計算相結合。目前大部分學者將圖像識別研究的重點集中在圖像內(nèi)容的描述上（低層信息），而對分類器進行融合以提高提高分類性能的方法仍然較少。由于圖像自身內(nèi)容的復雜性（高層語義），圖像分類任務十分困難，而三支決策一般用于模糊信息決策問題，能有效地分類出圖像中的模糊信息，以期達到提高圖像識別率的目的。本文提出了一種基于三支決策的圖像識別算法，改進了圖像分類器算法，有效地識別了圖像的有效信息，提高了圖像精度的準確率。

1 相關理論

圖像識別技術本質(zhì)上來講是對圖像特征的提取，首先將處理后的圖像進行分類，并對其確定類別名稱；然后對需要提取的圖像特征進行參數(shù)測量，并提取此類特征；最后根據(jù)測量結果分類。為了提高圖像識別的準確率，還需要對圖像結構進行分析，得到圖像的主要信息，以便對圖像進行解釋和理解，在此基礎上，通過對圖像的多個對象之間的相互連接的結構進行分析，對圖像加深理解，使識別率更高。因此，圖像識別是通過上述過程將圖像特征分割到各個部分中，再找出其中的形狀、紋理等特征，即特征抽取，再對圖像進行分類，最后將圖像的結構做整體上的分析。

現(xiàn)在主流的圖像識別流程包含預處理、圖像分割、圖像特征提取、圖像分類這幾個部分，如圖1 所示。

圖1 圖像識別流程

像識別技術主要分為圖像輸入、圖像處理、圖像識別、識別結果這幾個步驟。當前的圖像識別技術主要是提取圖像的特征信息，然后通過分類、聚類等方法將圖像信息進行處理，然后對這些信息進行識別。傳統(tǒng)的圖像識別總是把目標集中在圖像輪廓或輪廓方向改變較大的地方，從理論上講，這些地方信息量最大且符合人類眼動規(guī)律。但是人類識別圖像的處理過程往往要通過更多的步驟，想要模擬人類處理圖像的模式，需要把圖像分割成幾個組塊：已認知的組塊、未認知的組塊、待認知的組塊。為了提高圖像識別的準確率，需要將待認知的組塊和已有認知進行匹配，最終得到相似度最高的組塊集合。

三支決策是近幾年發(fā)展起來的一種處理不確定性決策的方法，是一種復合人類認知的“三分而治”（Trisecting and Acting）模型[6]。三支決策是一種基于符合人類認知的決策模式[6,12]，三支決策理論提出：人類的決策過程中，會對有充分把握的事物立即做出相應判斷（接受或拒絕）；而對于那些不能當場做出決定的決策，人們一般會采取保留意見的態(tài)度，等條件合適或依據(jù)充足之后再做決定，即延遲決策[6]。在更多的實際決策過程中，存在決策環(huán)境的復雜性，信息獲取的不完備性，群決策中各專家意見不一致性[7]，決策者所具備知識的有限性和思維模糊性等不確定情況，決策者在大多數(shù)情況下很難準確地給出損失函數(shù)的具體取值。一般來說，不確定的含義很廣泛，主要包括隨機性、模糊性、不完全性、不穩(wěn)定性和不一致性等方面[8]。通常而言，三支決策分為兩種模式：基于雙評價函數(shù)的三支決策和基于單評價函數(shù)的三支決策[12]。

定義1：基于雙評價函數(shù)的三支決策[6]

第一種模式給定雙評價函數(shù)νa和νr，其中νa用于接受，νr用于拒絕。在接受和拒絕函數(shù)上各引入一個γa和γr稱為接受閾值和拒絕閾值，≥表示全序關系，則三支決策的三個域由以下規(guī)則給出：

正域：POS(γa,γr)(νa,νr)={x ∈?|νa(x)≥γa∧νr(x)?γr}；

負域：NEG(γa,γr)(νa,νr)={x ∈?|νa(x)?γa∧νr(x)≥γr}；

邊界域：

BND(γa,γr)(νa,νr)=(POS(γa,γr)(νa,νr)?NEG(γa,γr)(νa,νr))c。

通過三個域構造三支決策規(guī)則[2]：正域?qū)邮?，負域?qū)芙^，邊界域?qū)舆t決策，如圖2（a）所示。

定義2：基于單評價函數(shù)的三支決策[6]

若引入一對閾值（α,β），則將實體集合U 分為一下三個部分：

圖2 基于三支決策的評價函數(shù)

正域：POS(α,β)={x ∈?|v(x)≥α}；

負域：NEG(α,β)={x ∈?|v(x)≤β}；

邊界域：BND(α,β)={x ∈?|β ?v(x)?α}。

同理，這三個域構成三支決策的三個規(guī)則，如圖2（b）所示。

公理1：知識越多，三支決策越明確[13]。

已知的信息越充分，接受和拒絕決策的可能性越大，不承諾的可能性越??；已知信息越少，接受和拒絕的可能性越小，不承諾的可能性就越大。對集合的特征提取越多，能確定的相同或相反的屬性越多，相異屬性越少，聯(lián)系度的量化更精確；特征提取越少，能確定的相同或相反的屬性越少，相異屬性越多，聯(lián)系度的量化更粗糙。

2 基于SVM圖像識別中的三支決策

提高圖像識別的準確率一直是圖像信息領域的一個難點，一般來說，圖像識別的研究集中于圖像的低層視覺特征，這導致了圖像識別的算法比較單一，研究者們也會把研究重點集中在低層視覺中的特征點上，容易導致圖像中的有用信息量識別不夠完全，從而降低了圖像識別率。本文提出了一種基于三支決策的圖像識別方法，更大程度上利用了圖像中的有用信息量，使圖像識別更精確。

2.1 存在的主要問題

（1）圖像分割時因規(guī)則分割導致目標被分配到不同子模塊中

目前大部分學者將圖像識別的分類研究重點集中在圖像內(nèi)容描述上，重點集中在低層，如顏色、紋理、形狀等，而實際上，人類對圖像的理解即圖像語義信息表達的內(nèi)容要遠多于圖像的視覺特征?，F(xiàn)有圖像分割時因規(guī)則分割導致目標被分配到不同子模塊中，從而使分類時產(chǎn)生誤差，不同的圖像子塊被分到不同的區(qū)域，影響圖像識別準確率?，F(xiàn)有的圖像識別方法通常是分析圖像特征信息、改進識別算法等方法來提高圖像識別的準確率，很少有方法對分類器進行改進和融合。由于圖像信息的負載性，導致了圖像分割、分類困難，圖像語義的分類現(xiàn)在還是圖像識別過程中最重要的問題。

（2）自適應性差

自適應性差是當前圖像識別技術存在的重要缺陷，因此，需要識別的圖像存在噪聲污染、圖像缺陷、信息損失等情況，就往往得不到理想的效果。文獻[5]提出，現(xiàn)代圖像識別技術受限于圖像本身的因素，如采集的器械，以及采集時的噪聲污染，圖像存儲、傳輸過程同樣也會導致的圖像信息的缺失。因為這些信息的缺失大多是不可避免的，所以導致圖像識別過程中產(chǎn)生的誤差。

2.2 圖像識別中的三支決策

針對以上問題，本文提出了一種基于三支決策SVM 分類的圖像識別方法，該方法即利用了SVM 分類器的原理，又采用了三支決策處理模糊信息的機制，對于圖像分割中不同子塊中不確定部分會進行再次判斷，從而降低因為模糊特征信息而未識別的可能性。由于該方法是通過不斷增加分類器的判定條件來分割圖像，所以不同子塊中的圖像會在不斷的迭代過程中劃分到同一子塊中，有效避免了傳統(tǒng)方法中出現(xiàn)的問題。而三支決策分類器每次增加的判定條件又是來自于對已有條件的篩選后的信息，所以每次增加的信息能根據(jù)當前圖像的自身屬性，不斷調(diào)整分割區(qū)域，進而達到準確識別的目的。

2.3 技術路線

針對圖像識別研究重點集中于低層視覺特征這個問題，本文對傳統(tǒng)的識別方法進行改進，使用高效的圖像分割方法，使圖像不會因為同一目標分到不同子塊，從而提高識別率。本文融合多特征、分割、檢測、多分類器等方法，對樣本圖像進行深度學習訓練，在減少圖像損耗的同時，分割出目標區(qū)域，并對其進行再訓練。本文使用的復合型SVM 識別器是基于SVM 識別的改進版，通過融合分割等多類方法進行最終的檢測識別，提高圖像識別率。

針對一般方法識別率低的問題，本文提出基于三支決策的圖像識別方法。根據(jù)人類認知事物的特性，采用三支決策的方法，由于三支決策獨特的延遲決策特性，在最初的判定條件中不斷地加入新的判定信息進行決策的條件判斷，所以分類器每次分類完成后會把已經(jīng)劃分的正、負區(qū)域作為新的訓練集進行再次訓練，形成新的判定條件加入到延遲決策的區(qū)域，直到延遲決策的區(qū)域不可再分，最后進行圖像識別。如公理1所說，每次訓練會加入新的決策條件，使三支決策分類器的分類結果越明確，延遲決策的部分越來越小，直到達到某一臨界值，最后進行圖像識別達到理想的結果。

3 基于三支決策的SVM分類圖像識別算法

對應三支決策，我們分別用α、β 和ξ 分別表示接受、拒絕和不承諾。假設評價函數(shù)定義為Pr(X|[x])，風險函數(shù)為R(Δ|x)，其中Δ 表示對x 的決策動作，基于表1 給出的代價矩陣，兩狀態(tài)可以得到以下風險估計：

接受風險：R(α|x)=λαp?Pβ(X|[x])+(1-Pβ(X|[x]))；

拒絕風險：R(β|x)=λβp?Pβ(X|[x])+(1-Pβ(X|[x]))；

不承諾風險：R(ξ|x)=λξp?Pβ(X|[x])+(1-Pβ(X|[x]))。

在決策問題中，基于風險函數(shù)，選擇其中風險最小的決策動作：

當滿足條件R(α|x)≤R(r|x)∧R(α|x)≤R(n|x)時，選擇接受；當滿足條件R(r|x)≤R(α|x)∧R(r|x)≤R(n|x)時，選擇拒絕；當滿足條件R(n|x)≤R(α|x)∧R(n|x)≤R(r|x)時，選擇不承諾。

假設風險函數(shù)滿足下面條件：

將R(α|x),R(r|x),R(n|x)代入上面三個不等式，可以得到以下結果：

如果Pr(X|[x])≥α，選擇接受；如果Pr(X|[x])≤β，選擇拒絕；如果β

表1 兩種狀態(tài)決策問題代價矩陣

基于以上理論本文提出以下算法，算法1 為基于三支決策的圖像分割算法，主要目的是把圖像分割為三個部分，為算法2 的識別做前期工作。算法2 為基于三支決策的識別算法，在算法1 的基礎上，對圖像分割出的部分進行識別操作。

算法1：基于三支決策的圖像分割算法

Input：訓練數(shù)據(jù)集ψ

Output：圖像正、負、延遲決策區(qū)域P、N、B

Start

Step1：輸入圖像集ψ。

Step3：算出最優(yōu)值：

Step4：延遲決策部分為β<ξ<α。

Step5：根據(jù)α，β，ξ 把圖像分為正、負、延遲決策區(qū)域（P,N,B）。

Step6：對延遲決策區(qū)域重復執(zhí)行Step2 到Step5 過程，重復ω 次。

End

算法2：基于三支決策的圖像識別算法

Input：待識別圖像C

Output：識別結果

Start

Step1：輸入圖像C。

Step2：使用算法1 中所訓練好的分類器把圖像分為三類。

Step4：對于達到部分使用復合型SVM 進行識別。

Step5：輸出識別結果。

End

4 實驗與分析

Cifar-10 數(shù)據(jù)集包含60000 個32×32 的彩色圖像，共有10 類。有50000 個訓練圖像和10000 個測試圖像。數(shù)據(jù)集分為5 個訓練塊和1 個測試塊，每個塊有10000 個圖像。測試塊包含從每類隨機選擇的1000 個圖像。訓練塊以隨機的順序包含這些圖像，但一些訓練塊可能比其他類包含更多的圖像。訓練塊每類包含5000 個圖像。原始數(shù)據(jù)集都為單目標圖像，為了驗證三支決策分類器的準確率，本實驗中把原始數(shù)據(jù)集中的4 張圖像合成一張，即每個測試項有4 個待識別目標。

實驗步驟：

Step1：輸入數(shù)據(jù)集中一張圖片。

Step2：用已訓練好的三支分類器進行相似度匹配分類，把現(xiàn)有圖像分為三個區(qū)域，即正樣本區(qū)域、負樣本區(qū)域和延遲決策區(qū)域。

Step3：判斷正樣本區(qū)域是否已經(jīng)達到識別的臨界值n，如果未達到就把該區(qū)域作為新的訓練樣本和負樣本區(qū)域一起進行再次訓練。

Step4：直到正樣本區(qū)域達到臨界值n，使用復合型SVM 識別器識別改區(qū)域。

Step5：輸出識別結果。

實驗結果如表2 所示，實驗效果如圖1 所示。

本次實驗使用了數(shù)據(jù)集中所提供的4000 張圖片，每類隨機選擇圖片400 張，每次實驗為100 張圖片，最后結果取平均值。統(tǒng)計數(shù)據(jù)可得表1，基于三支決策的圖像識別是可以實現(xiàn)多目標圖像的識別。根據(jù)表2 的數(shù)據(jù)可知，該方法在數(shù)據(jù)集Cifar-10 中平均的準確率為87.58%，平均F 值為87.06%，由此可得基于三支決策分類器的圖像識別能得到較高的識別率和準確率。

5 結語

本文采用了復合型SVM 識別的方法來對圖像進行識別，利用三支決策分類器對圖像數(shù)據(jù)進行決策判斷。實驗結果表明，在相同實驗數(shù)據(jù)集的情況下，基于三支決策的圖像識別相對于傳統(tǒng)的圖像識別方法在準確率上有明顯的提升。本文采用的基于三支決策的圖像識別方法，相較于傳統(tǒng)的圖像識別方法，在圖像特征上有更高的識別率以及更好的識別效果。本文下一步工作是在三支決策分類器的基礎上，對圖像識別方法進行改進，以及使用多種識別方法進行圖像識別，進一步提高圖像識別準確率。

表2 基于三支決策Cifar-10 多目標識別率