基于目标区域颜色与纹理特征的图像检索

JournalofNanjingUniversityofScienceandTechnologyVol.27No.3Jun.2003基于目标区域颜色与纹理特征的图像检索

黄元元　郭　丽　杨静宇

(南京理工大学计算机科学与技术系,南京210094)

ΞΞ

Ξ

摘要　该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取;然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征,并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明,该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。关键词　图像检索,目标区域,颜色,纹理分类号　TP391141学科代码　520120

对基于内容的彩色图像检索,国内外的学者已经进行了许多研究[1],但大部分研究侧重考虑图像全局信息。本文对基于目标区域的彩色图像检索进行了研究。在彩色图像检索中对目标和背景信息进行应用,能够使得检索结果更加符合人眼的视觉感受。

1　提取图像的目标区域

1.1　利用色度直方图完成聚类

一般,图像的目标区域相对于背景区域色彩比较集中,用户可以很容易地给出图像目标的颜色(可通过调色板选择),将用户指定的颜色作为主要特征来提取图像的目标区域。在颜色的表示方法上选择了符合人的视觉感应的HSI模型。由于人眼对色彩的分辨力有限,且人眼对颜色的信息主要来自色度。因此,根据对颜色模型的大量分析,把色度沿分布轴分成6个区间:[30+60k,30+60(k+1)],k=0,1,…,5(k=5时,区间为[30+60k,360]∪[0,30])。在色度分布轴上的各个区间内统计每幅图像的色度直方图。因为所考虑的图像

1是有意义的区域,即目标区域尺度大约为图像尺寸的,因此在用户指定的颜色区间内的

10

1像素数至少要大于所有像素数的才能初步认为该幅图像具有指定的颜色特征,下一步就

10

是要对符合要求的图像进行目标区域的提取。1.2　利用分块图像提取目标区域的各个组成部分

对于一幅M×N的图像,先将其分割为U×V个子图像块。对应于所考虑的有意义区

ΞΞΞ

收稿日期:2002-01-17黄元元　女　28岁　博士生

总第130期　　　黄元元　郭　丽　杨静宇　基于目标区域颜色与纹理特征的图像检索287

域尺度为整幅图像尺寸的

1,令每一个子图像块所包含的像素数Q=0101×T,其中T为10

图像的全部像素[2]。对每一个子图像块,统计其落在用户指定的色度区间内的像素数在子图像块中出现的几率pij,其中i、j表示子图像块的索引,i=1,2,…,U,j=1,2,…,V。若出现的几率很大,则说明该子图像块属于图像的目标区域;若很小,则认为该图像块中不包含目标区域的信息,属于非目标区域,可不予考虑。定义一个阈值Dmin,并借助于pij的值从图像中提取包含有目标信息的子图像块。注意:在分块图像中或许找不到一块包含目标区域信息的子图像块,这是因为虽然图像中有一定数量的像素落在了指定的色调区间内,但这些像素在图像中的位置比较分散,未形成一定的有效区域,人眼看起来仅是一些毫无意义的离散点。对于这种图像,认为它不包含用户要求的有效目标区域,因此不予做进一步的考虑。1.3　根据连通性准则提取出最大目标区域

一幅图像中目标的出现可能只集中在一处,也可能是几个分开的聚类。一般,人眼只对最大、最显著的目标区域感兴趣。现在已经有了目标区域的各个组成部分,即包含有目标信息的子图像块,因此下一步要根据区域连通性准则将包含目标信息的子图像块划分到各自所属的区域中,也即对分块图像进行分割处理。

现在的分块图像中只考虑提取出的属于目标区域的子图像块。根据区域连通性准则及连通区域的性质[3],将目标图像块规划到各自所属的连通域中。选取连通面积最大的一个连通域,并以它的外接矩形作为图像最终的目标区域。由连通域的性质可知,找

出的目标区域是唯一的。

与传统意义上的试图获取精确目标区

域的图像分割有所不同,以上提出的目标区(a)原始图像　(b)最大连通域　(c)目标区域

图1　利用颜色聚类完成的域的提取方法并不考虑目标精细的边界,仅

图像目标区域的提取根据人眼的视觉特性,利用颜色的相似性从

Fig.1　Objectregion’sextract图像中提取出一个或几个有意义的区域,并

usingcolorclustering选取出最大的目标区域,故该方法比较适用

于那些具有比较明确的目标区域的彩色图像,而对于没有明确主题且颜色分散的图像效果并不理想。由于利用子图像块代替像素做连通域的划分,因此可有效地消除噪声的干扰,提高目标区域提取的速度,但同时也可能损失少量位于目标边缘的信息,这可以用适当选取阈值Dmin得到很好的解决。图1是提取出的几幅图像的目标区域,分别以红色、黄色和蓝色为指定颜色提取图像的目标区域。实验表明,对具有显著目标的图像,该方法非常有效。

2　提取图像目标区域的纹理特征

提取出图像的目标区域后,再分析目标区域里的纹理特征。下面提到的图像若无特别指出则均指从原始图像中提取出的目标区域的图像。需要指出的是,由于提取出的目标区域已经符合颜色的要求,因此这里不再考虑颜色信息,只是在其亮度通道上提取目标区域的纹理

288南　京　理　工　大　学　学　报　　　　　　　　　第27卷第3期

特征。

纹理特征反映一个区域中像素灰度级的空间分布的属性。纹理常用它的粗糙度来描述。粗糙度的大小与局部结构的空间重复周期有关[3],周期大的纹理比周期小的纹理看上去要粗糙。这里以一种灰度差分统计法来提取物体的纹理特征。

若有图像中的一点f(x,y),则该点与点f(x+Δx,y+Δy)的灰度差值为

Δf(x,y)=f(x,y)-f(x+Δx,y+Δy)(1)　　设灰度差值的所有可能取值共有H级。令点

f(x,y)在整个画面上移动,统计Δf(x,y)取各个值的次数,得到Δf(x,y)的直方图,根据直方图可以计算出Δf(x,y)取各个值的概率P(Δf(x,y))(0<Δf(x,y)在纹理特征的提取中,先计算图像中每一个像素点在其3×3领域内与其它8个像素点之间的灰度差值,灰度差值的取值范围是0～255,统计灰度差值在各个灰度级上的出现次数,得到灰度差值直方图;然后采用对比度Con、角度方向二阶矩Asm、熵Ent以及平均值

Mean参数来描述纹理的特征,

255

255

图2　不同纹理图像的灰度差值直方图Fig.2　Differenttextures’hue2

differencehistograms

　　Con=　　Ent=-

h=0

∑h

255h=0

2

P(h)　　Asm=

h=0

∑P(h)2

1=

255

255h=0

(2)

∑P(h)log2P(h)　　Mean∑hP(h)

(3)

式中,h为灰度值,P(h)为灰度值是h的像素在图像中出现的概率。在上述的这些参数中,对于粗纹理,较大值的h出现的概率较小,因此相应的Con值也大;相反,对于细纹理则相应的Con值较大。当P(h)数值相差不大,分布比较平坦时,Asm较小,Ent较大。粗纹理的P(h)在零点附近比较集中,因此其Mean值比细纹理的要小。将这4个参数作为纹理的特征向量,并以各个图像的特征向量间的欧氏距离作为图像间的相似度进行测度。

3　实验及结果

实际上,本文采取的是一种分层的渐进检索方法:首先根据用户指定的颜色自动提取图像的目标区域,排除掉与样本图像的颜色根本不相近的图像;然后再对颜色特征相近的图像做基于目标区域的纹理特征的分析。采取这种分层检索分析方法可以避免不必要的分析和计算,从而提高检索效率。对上述算法结合一个包含2000多幅真实花卉图像的图像库进行了检索实验,并与基于单一颜色或单一整幅图像纹理特征的检索方法进行了比较。实验结果如图3所示(左起第1幅均为样本图像)。

总第130期　　　黄元元　郭　丽　杨静宇　基于目标区域颜色与纹理特征的图像检索289

(a)利用颜色特征的图像检索结果

(b)利用全局图像纹理特征的图像检索结果

(c)综合利用颜色及纹理特征的基于目标区域的图像检索结果图3　检索结果Fig.3　Theresultsofretrieval实验表明,利用本文介绍的方法对图像进行目标区域的检索效果最符合人眼的视觉感受。基于颜色的图像检索只考虑图像的颜色的统计特征,而忽略了图像的形状及空间分布特征,因此检索出的图像虽然在颜色分布上比较相似,但在纹理特征方面却与人的视觉感受并不完全吻合;基于全局图像纹理特征的检索方法能检索出一些纹理特征相似但颜色却完全不同的图像,因此检索效果与人的视觉感受还是有出入,且从整幅图像中提取纹理特征,不免会受到背景因素的干扰,其检索速度要低于只基于目标区域的纹理特征的检索方法。

参

考

文

献

1　庄越挺,潘云鹤.基于内容的图像检索综述[J].模式识别与人工智能,1999,12(2):170～177.

2　罗氵云,章毓晋,高永英.基于分析的图像有意义区域提取[J].计算机学报,2000,23(12):1～7.3　阮秋琦.数字图像处理学[M].北京:电子工业出版社,2001.

AnImageRetrievalBasedonObjectRegion’s

ColorandTextureFeatures

HuangYuanyuan　GuoLi　YangJingyu

(DepartmentofComputerScienceandTechnology,NUST,Nanjing210094)

ABSTRACT　Anewimageretrievalmethodbasedonobjectregionispresentedinthispaper.Theschemefirstuseshuehistogramtoroughlyextractobjectregionofimage,thenusesthetexturefeatureofobjectregionasthewholeimage’sfeaturetoretrievetheresembleimages.Themethodusesbothcolorandtexturefeaturesofimageandlooksontheobjectregion’sfea2tureastheretrievalfeature.Ascomparedwiththemethodusingsinglefeatureorwholeimage’sfeature,theexperimentsshowthatthewaymentionedabovecanproducebetterperformanceintermsofbothretrievalefficiencyandretrievaleffectiveness.KEYWORDS　imageretrieval,objectregion,color,texture