基於特徵點局部顏色及分布特徵的圖像揀出方法

2023-06-15 15:11:46 1

專利名稱：基於特徵點局部顏色及分布特徵的圖像揀出方法
技術領域：
本發明涉及圖像處理技術領域，具體的說是一種圖像揀出方法，可用於對網際網路中圖像信息的查找。
背景技術：
計算機技術和網際網路技術的飛速發展使得人們可以很方便地實現資源共享，以數字圖像、音/視頻為代表的多媒體信息在網際網路上的廣泛傳播，如何從海量圖像資料庫中快速、高效地檢測出用戶所需圖像是一個具有挑戰性的問題。基於內容的圖像揀出通過對圖像進行特徵提取並和圖像庫中的圖像做相似性度量來揀出圖像，是近些年多媒體領域一個備受關注的研究熱點。傳統的方法使用圖像的全局特徵進行揀出，但是由於全局特徵計算量大，而且很多時候用戶只是對圖像中某一對象感興趣。為此，很多學者提出利用局部特徵對圖像建立特徵描述和揀出。基於局部特徵的圖像揀出方法大致可以分為以下兩類(1)基於圖像分割的方法。基於圖像分割的揀出方法通過圖像分割算法獲得感興趣目標的輪廓或區域，再提取目標特徵進行揀出。如I^ei Li，Qionghai Dai，Wenli Xu, et al. Multilabel neighborhood propagation for region-based image retrieval. IEEE Trans, on Multimedia, Vol. 10，No. 8,2008, pp :1592-1604.以及文獻 ByoungChul Ko, Hyeran Byun. FRIP :A region-based image retrieval tool using automatic image segmentation and stepwise Boolean and matching. IEEE Trans, on Multimedia,Vol. 7, No. 1,2005, pp :105-113.所述。這種方法符合觀察者對圖像的理解，然而圖像分割一直是一個亟待突破的關鍵環節，目前很難找到一種通用的分割算法將目標完整地與背景分割開，而且目標易受部分缺損、背景混雜、仿射變換、光照等因素的幹擾，導致揀出準確率下降。(2)基於特徵點的方法。基於特徵點的圖像揀出方法通過特徵點的檢測對圖像視覺特徵變化大的區域進行定位，利用局部描述子對特徵點周圍的局部區域進行特徵提取，最後進行相似度匹配。由於特徵點檢測算法比起圖像分割算法具有更好的通用性和穩定性，因此吸引了越來越多的學者研究基於特徵點的圖像揀出。文獻C.Wol，J. Jolion, W.Kropatsch, et al.Content based image retrieval using interest points and texture features，Proc· of 15th International Conference on Pattern Recognition. Barcelona :IAPR，2000，pp :234-237.所述，使用特徵點局部Gabor特徵揀出的方法，根據各個不同尺度和方向的最大幅值生成一系列直方圖來表示圖像進行揀出。文獻Zheng Xia, ZhouMingQuan, Wang XingCe. Interest point based medical image retrieval, Lecture Notes in Computer Science. Beijing :Springer Verlag,2008, pp :118-124 所述，對圖像的每個區域檢測出特徵點，結合特徵點的不變量和邊緣類型直方圖進行揀出。文獻 Muwei Jian, Shi Chen Image retrieval based on clustering of salient points， Proc.of 2008 2nd International Symposium on Intelligent Information Technology Application. Shanghai :Inst.of Elec.and Elec. Eng. Computer Society，2008，pp 347-351.所述，使用基於密度的聚類算法對特徵點聚類，然後對各類特徵點使用顏色矩和 Gabor特徵作為特徵向量進行揀出。上述基於特徵點的圖像揀出方法存在兩個問題(1)所提取的圖像特徵主要反映了特徵點的局部特性，較少的考慮特徵點的空間分布結構，因此圖像特徵描述的有效性不夠；( 由於圖像的底層視覺特徵和用戶豐富的語義特徵之間存在差異，導致圖像揀出的結果出現歧義性。這二者均影響了圖像揀出的準確性。

發明內容
本發明的目的在於克服上述已有技術的不足，提出一種基於特徵點局部顏色及分布特徵的圖像揀出方法，以提高圖像特徵描述的有效性，縮小圖像揀出過程中的歧義性，實現對網際網路圖像進行更為準確的揀出。本發明的目的是這樣實現的本發明的技術方案是先利用特徵點的局部顏色及空間分布特徵生成特徵向量， 進行相似性度量並排序，然後將圖像看作為多示例包，採用多示例學習算法獲得目標圖像特徵，重新計算相似度，並輸出揀出結果。具體揀出步驟包括如下(1)先對一幅指定的目標圖像Q進行尺度歸一化和旋轉歸一化，得到歸一化後的目標圖像仏，然後對歸一化後的目標圖像A採用Harris角點檢測器檢測特徵點；(2)將歸一化後的目標圖像％按照特徵點的分布劃分成J個同心不等面積的扇形子區域；(3)對每個扇形子區域，選取其中所有特徵點δ鄰域內的像素，統計它們的色調、 飽和度和亮度空間的顏色直方圖Hk(l ^k^ J)，用以表示每個扇形子區域內特徵點局部像素的顏色特徵；(4)對每個扇形子區域，選取其中所有特徵點像素，計算特徵點的空間分布離散度，用以表示每個扇形子區域內特徵點空間分布的疏密程度；(5)初始化揀出次數為α = 1，進行第α次圖像揀出，對圖像庫中的每一幅圖像I 按照步驟(1)-(4)提取圖像特徵，按下式計算目標圖像Q所提取特徵與圖像庫中每一幅圖像I所提取特徵的相似度S S = ωcSc(Q，I) + ωdSd(Q，I)其中，ω。是特徵點局部顏色特徵的權值，ωd是特徵點空間分布特徵的權值，滿足 ω c+ ω d = 1，Sc(QjI)表示目標圖像Q與圖像庫中一幅圖像I的特徵點局部色調、飽和度和亮度空間的顏色直方圖相似度，表示為:
權利要求
1.一種基於特徵點局部顏色及分布特徵的圖像揀出方法，包括(1)先對一幅指定的目標圖像Q進行尺度歸一化和旋轉歸一化，得到歸一化後的目標圖像仏，然後對歸一化後的目標圖像A採用Harris角點檢測器檢測特徵點；(2)將歸一化後的目標圖像％按照特徵點的分布劃分成J個同心不等面積的扇形子區域；(3)對每個扇形子區域，選取其中所有特徵點δ鄰域內的像素，統計它們的色調、飽和度和亮度空間的顏色直方圖Hk(l ^k^ J)，用以表示每個扇形子區域內特徵點局部像素的顏色特徵；(4)對每個扇形子區域，選取其中所有特徵點像素，計算特徵點的空間分布離散度，用以表示每個扇形子區域內特徵點空間分布的疏密程度；(5)初始化揀出次數為α= 1，進行第α次圖像揀出，對圖像庫中的每一幅圖像I按照步驟(1)-(4)提取圖像特徵，按下式計算目標圖像Q所提取特徵與圖像庫中每一幅圖像 I所提取特徵的相似度S S = ocSc(Q，I) + codSd(Q，I)其中，ω。是特徵點局部顏色特徵的權值，cod是特徵點空間分布特徵的權值，滿足ω c+ ω d = 1， SC(Q,I)表示目標圖像Q與圖像庫中一幅圖像I的特徵點局部色調、飽和度和亮度空間的顏色直方圖相似度，表示為:
2.根據權利要求1所述的圖像揀出方法，其特徵在於步驟( 所述的將歸一化後的目標圖像A按照特徵點的分布劃分成J個同心不等面積的扇形子區域，其步驟如下(2. 1)設N為檢測出的特徵點總數，計算特徵點集合Ω的質心0，以0作為圓心，以距該圓心最遠處的特徵點到該圓心的距離為半徑R，生成圓形區域；(2. 2)將生成的圓形區域，從水平向右的初始半徑Rtl開始，沿逆時針方向，以第
3.根據權利要求1所述的圖像揀出方法，其特徵在於步驟C3)所述的對每個扇形子區域，選取其中所有特徵點δ鄰域內的像素，統計它們的色調、飽和度和亮度空間的顏色直方圖Hk(l≤k≤J)，其步驟如下(3. 1)將圖像由三基色顏色空間轉換成色調、飽和度和亮度顏色空間，採用非等間隔量化方法，將色調、飽和度和亮度顏色空間量化為72種顏色；(3.2)對每個扇形子區域，選取其中所有特徵點δ鄰域內的像素，計算色調、飽和度和亮度空間的顏色直方圖Hk:Hk = {hKl|0<l<71 }其中，hk1為第k個扇形子區域內所有特徵點δ鄰域內的像素中顏色為1的像素所佔的百分比，它定義為:hk1 = numk1/numk,Mimk1是第k個扇形子區域內所有特徵點δ鄰域內的像素中顏色為1的像素數量，Mimk 是第k個扇形子區域內所有特徵點δ鄰域內像素的總數。
4.根據權利要求1所述的圖像揀出方法，其特徵在於步驟(4)所述的對每個扇形子區域，選取其中所有特徵點像素，計算特徵點的空間布離散度，其計算公式為
5.根據權利要求1所述的圖像揀出方法，其特徵在於步驟(7)所述的將各扇形子區域特徵與多示例學習中示例的概念相對應，使目標圖像Q與圖像庫中的每一幅圖像I成為包含示例的包，是將各扇形子區域特徵採用特徵點局部色調、飽和度和亮度顏色空間的9個顏色矩和1個特徵點空間分布離散度表示，其中，特徵點局部色調、飽和度和亮度顏色空間的9個顏色矩的計算公式為
6.根據權利要求1所述的圖像揀出方法，其特徵在於步驟(7)所述的通過EM-DD算法獲得用戶期望的目標圖像特徵，其步驟為(7. 1)將所有正包示例都作為初始假設目標圖像特徵q'；(7.2)從訓練集的每個示例包中選出最靠近q'的示例組成一個集合Ωμ;(7.3)利用集合ΩΜ，採用梯度搜索法估算出一個新的目標圖像特徵q"；(7.4)令q'= q"，重複步驟(7.2)和步驟(7. 3)，直到收斂為止，得到目標圖像特徵
7.根據權利要求1所述的圖像揀出方法，其特徵在於步驟(7)所述的計算目標圖像特徵和第α次揀出結果中各圖像包中最相似示例間距離作為圖像包含目標圖像特徵的概率 、，是通過如下公式計算
全文摘要
本發明公開了一種基於特徵點局部顏色及分布特徵的圖像揀出方法，主要解決現有技術中圖像特徵描述的有效性不夠以及圖像理解歧義性問題。該方法的步驟為首先，對圖像進行尺度歸一化和旋轉歸一化，並檢測特徵點；接著，將歸一化後的圖像按照特徵點的分布劃分成一系列面積不等的扇形子區域，提取每個子區域內特徵點局部顏色及空間分布特徵，生成特徵向量進行相似性度量並排序；然後，將圖像看作為多示例包，採用多示例學習算法獲得目標圖像特徵；最後，重新計算相似度，並輸出揀出結果。本發明不僅提高了圖像特徵描述的有效性，而且縮小了圖像揀出過程中的歧義性，從而實現了對網際網路圖像更為準確的揀出，可用於對網際網路中圖像信息的查找。
文檔編號G06K9/66GK102156888SQ20111010717
公開日2011年8月17日 申請日期2011年4月27日 優先權日2011年4月27日
發明者孟繁傑, 郭寶龍, 郭磊 申請人:西安電子科技大學