基于SVM算法的移動(dòng)終端圖像檢索系統(tǒng)設(shè)計(jì)

呂英麗 徐小君 葛 宇

（河北建筑工程學(xué)院，河北 張家口075024）

0 引 言

內(nèi)容的多媒體信息檢索研究伴隨著信息時(shí)代的到來而展開.隨著多媒體技術(shù)及網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，各行各業(yè)對(duì)圖像的使用越來越廣泛，使得基于web的圖像檢索系統(tǒng)近年來迅速發(fā)展，但隨著移動(dòng)設(shè)備的應(yīng)用越來越廣泛，在移動(dòng)平臺(tái)上的增值服務(wù)中，人們創(chuàng)建和共享的信息也早已超出了文字和語音的范圍.特別是圖像內(nèi)容的認(rèn)識(shí)以及檢索的應(yīng)用需求非常強(qiáng)烈.正是在這樣的背景下，本文將比較成熟且具有良好分類效果的支持向量機(jī)（Support Vector Machine）SVM算法應(yīng)用于內(nèi)容的移動(dòng)平臺(tái)上的圖像檢索展開研究和設(shè)計(jì).

1 系統(tǒng)總體結(jié)構(gòu)

本文設(shè)計(jì)的移動(dòng)終端上的圖像檢索系統(tǒng)基于C／S（客戶端／服務(wù)器）架構(gòu).由客戶端即移動(dòng)設(shè)備，服務(wù)器以及數(shù)據(jù)庫(kù)組成.考慮到移動(dòng)設(shè)備的性能限制，在計(jì)算分配上，客戶端只負(fù)責(zé)用戶查詢交互，而后續(xù)的圖像處理和其它模塊在功能相對(duì)強(qiáng)大的服務(wù)器上進(jìn)行.系統(tǒng)框圖如圖1所示.

具體實(shí)現(xiàn)流程如下：移動(dòng)設(shè)備用戶發(fā)送一個(gè)請(qǐng)求（手機(jī)拍一幅圖片）到移動(dòng)設(shè)備，移動(dòng)設(shè)備將圖片發(fā)送到服務(wù)器端.服務(wù)器端進(jìn)行預(yù)處理，去除噪聲.提取圖像的顏色特征，紋理特征和形狀特征.將三種特征構(gòu)成的特征向量送入svm分類器，經(jīng)由分類器與數(shù)據(jù)庫(kù)中的圖像庫(kù)及其特征索引進(jìn)行比對(duì)返回分類結(jié)果.將分類結(jié)果以圖像內(nèi)容的形式返回給移動(dòng)設(shè)備，從而將結(jié)果返回給移動(dòng)設(shè)備用戶，用戶收到查詢圖片的相關(guān)信息對(duì)要查詢內(nèi)容有全面的認(rèn)識(shí).

圖1 圖像檢索系統(tǒng)框圖

2 特征提取

2.1 顏色特征

顏色特征是在圖像檢索中應(yīng)用最為廣泛的視覺特征，主要原因在于顏色往往和圖像中所包含的物體或場(chǎng)景十分相關(guān).與其他的視覺特征相比，顏色特征對(duì)圖像本身的尺寸、方向、視角的依賴性較小，從而具有較高的魯棒性.由于在HSV空間中，人眼視覺的效果比較能夠反映圖像之間主要顏色的差異性.因此，本文主要選取了 HSV 空間來研究.HSV 空間中的各分量的范圍：h∈［0-360］、s∈［0-1］、v∈［0-1］.但是考慮各個(gè)分量的取值范圍很大，而人眼不可能有那么高的分辨率，因此有必要對(duì)HSV空間中的各分量進(jìn)行適當(dāng)?shù)牧炕笥?jì)算直方圖，也可減少計(jì)算量，提高效率.

2.2 紋理特征

紋理是所有事物表面固有的一種特性，也是圖像檢索中一個(gè)重要而又難以描述的特性.圖像可以看成是不同紋理區(qū)域的組合，紋理通常定義為圖像的某種局部性質(zhì)，或是對(duì)局部區(qū)域中像素之間關(guān)系的一種度量.紋理特征可用來對(duì)圖像中的空間信息進(jìn)行一定程度的定量描述.描述方法包括統(tǒng)計(jì)法，頻譜法和結(jié)構(gòu)法，這些方法也常結(jié)合使用.一般認(rèn)為紋理就是紋理元素有規(guī)律地排列組合，而把相互接近、相互編織具有重復(fù)性的區(qū)域看作為紋理元素.統(tǒng)計(jì)法紋理描述符包括灰度直方圖的各階矩、基于共生矩陣的描述符、基于馬爾可夫隨機(jī)場(chǎng)紋理分析等.頻譜法紋理描述的性能較好，有傅里葉變換，DTC變換，Gabor變換，小波變換等.經(jīng)過變換后，圖像中灰度周期變化或近周期變化信息可以通過頻率特性來描述.結(jié)構(gòu)法紋理描述包括圖像的對(duì)比度、粗細(xì)度、方向性、重復(fù)性和復(fù)雜性等.這種描述方法通常將計(jì)算特征與語義聯(lián)系起來，有利于高層語義的獲取.

2.3 形狀特征

目前描述形狀特征的方法主要有邊界特征法、傅里葉形狀描述符法、幾何參數(shù)法和形狀不變矩法等.邊界特征法該方法通過對(duì)邊界特征的描述來獲取圖像的形狀參數(shù).其中Hough變換檢測(cè)平行直線方法和邊界方向直方圖方法是經(jīng)典方法.Hough變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法，其基本思想是點(diǎn)—線的對(duì)偶性；邊界方向直方圖法首先微分圖像求得圖像邊緣，然后做出關(guān)于邊緣大小和方向的直方圖，通常的方法是構(gòu)造圖像灰度梯度方向矩陣.

3 SVM算法實(shí)現(xiàn)

SVM算法是在統(tǒng)計(jì)學(xué)理論基礎(chǔ)之上發(fā)展起來的一種機(jī)器學(xué)習(xí)算法.SVM基于統(tǒng)計(jì)學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，它將最大化分類間隔的思想和基于核的方法結(jié)合在一起，表現(xiàn)出很好的泛化能力.SVM因其通用性和出色的分類能力被逐漸引入圖像檢索系統(tǒng)中.通過用戶對(duì)提供圖像的相關(guān)性的標(biāo)注，在特征空間尋找最優(yōu)分類面把給定的屬于兩個(gè)類別的訓(xùn)練圖像分開，把最相似類中離超平面最遠(yuǎn)的圖像作為檢索結(jié)果返回，就是SVM方法的基本思想.SVM算法過程是將前N個(gè)圖像作為訓(xùn)練樣本，由用戶標(biāo)記出正例樣本（其他的為反例樣本），作為有類別標(biāo)號(hào)的訓(xùn)練樣本由SVM進(jìn)行學(xué)習(xí)，構(gòu)造出適合表示用戶查詢意圖的分類器，然后用該模型對(duì)圖像庫(kù)中的所有圖像進(jìn)行分類，即求出每幅圖像相對(duì)于分類面的距離，然后再次排序返回結(jié)果.

我們采用Windows XP＋I(xiàn)IS 6.0＋ASP.NET＋SQL Server 2008（操作系統(tǒng)＋信息服務(wù)器＋開發(fā)平臺(tái)＋數(shù)據(jù)庫(kù)）的組合，這種選擇主要基于以下響應(yīng)速度，面向?qū)ο?，多語言支持等幾個(gè)優(yōu)點(diǎn).SVM分類工具選取svmlib，該工具使用廣泛并且性能較好.

4 總結(jié)與展望

基于內(nèi)容的移動(dòng)終端圖像檢索是目前跨圖像工程領(lǐng)域和移動(dòng)通信領(lǐng)域的研究的主要熱點(diǎn)，它集合了圖像處理與分析、圖像理解、人工智能、模式識(shí)別移動(dòng)開發(fā)等內(nèi)容，新思想、新方法層出不窮.而如何根據(jù)市場(chǎng)需求確定針對(duì)性、實(shí)用性較好的方案，并將研究成果快速轉(zhuǎn)化為應(yīng)用成果，是目前需要從理論研究層面逐漸滲透到應(yīng)用層面需要解決的問題.

［1］Rafael C.Gonzalez，Richard E.Woods著，阮秋琦、阮宇智等譯，數(shù)字圖像處理第2版，電子工業(yè)出版社.2003

［2］王小云.SVM算法分析與研究.渝西學(xué)院學(xué)報(bào).2005，9

［3］周曉君，陳棟梁.基于內(nèi)容的圖像檢索技術(shù)研究，計(jì)算機(jī)與數(shù)字工程.2007，5