基于顏色空間非等間隔量化的木材圖像主色調(diào)檢索1)

羅 微 李紅巖 孫麗萍

(哈爾濱醫(yī)科大學大慶校區(qū)，大慶，163319) (東北林業(yè)大學)

隨著圖像處理技術(shù)的不斷發(fā)展，基于內(nèi)容的圖像檢索被越來越多地應用在樹種檢索中。由于主色調(diào)能夠較好地概括圖像總體特征，因此為了保證檢索精度的同時能夠更好地提高檢索效率，筆者提出了針對木材圖像特征的顏色空間非等間隔量化的主色調(diào)檢索方法。

對于特定圖像數(shù)據(jù)庫，應當有針對性地提取適合此類圖像的特征。木材材色空間分布有其特殊性，其色調(diào)主要分布在YR(橙)區(qū)間，相對較確定。另外，木材圖像的飽和度和亮度也各有特點［1-2］，因此本研究選擇在HSV顏色空間采用非等間隔量化的方法對木材顏色進行特征提取。這樣減少了檢索中的特征冗余，對木材顏色進行了更有針對性的表達，使得提取的特征針對木材顏色具有更好的適用性，保證了檢索的準確率。又由于高維特征檢索效率較差，為了有效地降低特征空間的維數(shù)，可對顏色三分量進行空間非等間隔量化后再進行降維處理［3-4］，這樣提取的特征可提高檢索效率。

目前，基于內(nèi)容的木材圖像檢索主要是基于紋理特征、RGB顏色空間特征或L*a*b*顏色空間特征實現(xiàn)檢索識別［5］，而采用非等間隔量化的主色調(diào)的檢索方法在木材圖像檢索應用中尚未展開深入研究。筆者提出的針對木材圖像特征的顏色空間非等間隔量化主色調(diào)檢索作為一種新方法，可以為木材圖像檢索提供更為準確高效的檢索方法。

1 顏色空間非等間隔量化

木材圖像轉(zhuǎn)化到HSV顏色空間后，就包括色調(diào)、飽和度和亮度3個顏色分量，量化是指對這3個分量的空間分別進行非等間隔量化降維，進而將色調(diào)、飽和度和亮度3個顏色分量合成一維特征矢量［6-7］。

1.1 色調(diào)量化方法

HSV顏色空間中色調(diào)被劃分為360個等份，色調(diào)H在0°～360°之間變化。色調(diào)降維即將木材材色空間以外的其他顏色空間大幅度地壓縮減維［8］，并且按照木材材色空間分布的特殊性，在木材顏色集中分布的空間，按照類間區(qū)別較詳細地將其非等間隔量化，形成一個非等間隔量化的9色調(diào)級(0～8)的顏色空間［9］。圖1和圖2分別是色調(diào)空間非等間隔量化前后的統(tǒng)計分布圖，表示了色調(diào)空間非等間隔量化過程中不同材種木材圖像像素分布情況，統(tǒng)計了木材圖像樣本在不同色調(diào)區(qū)間像素分布數(shù)量。本研究選擇了顏色上比較有代表性的50種不同木材表面圖像進行試驗。

如圖1所示，木材圖像色調(diào)主要分布在［0°～60°］區(qū)域內(nèi)，而其他區(qū)間像素點分布極少，幾乎趨近于沒有。

圖1 木材圖像像素點的等間隔色調(diào)分布區(qū)間統(tǒng)計

圖2表示的是對［0°～60°］這個像素分布密集的區(qū)間進行詳細劃分，將其量化分成6個非等間隔區(qū)間;而(60°～360°］區(qū)間內(nèi)，木材顏色像素分布稀疏，因此，僅將其量化為3個非等間隔區(qū)間。

圖2 木材圖像像素點的非等間隔色調(diào)分布區(qū)間統(tǒng)計

對木材表面圖像提取色調(diào)信息，逐漸增加色調(diào)值后，通過觀察色調(diào)角偏移程度對圖像的影響，可以得出色調(diào)變化數(shù)量同視覺感受的相關(guān)性。圖像從色調(diào)角增加5°開始就可以觀察到顏色變化;色調(diào)角增加20°有明顯變化。因此，在對色調(diào)空間進行量化時，最小區(qū)間間隔為5°。

1.2 飽和度量化方法

飽和度區(qū)間的劃分方法同色調(diào)區(qū)間相類似，圖3和圖4分別是飽和度區(qū)間非等間隔量化前后的統(tǒng)計分布圖，統(tǒng)計了木材圖像樣本在不同飽和度區(qū)間像素分布數(shù)量。

圖3 木材圖像飽和度等間隔分布統(tǒng)計

圖4 木材圖像飽和度非等間隔分布統(tǒng)計

從圖3可以看出，木材圖像飽和度區(qū)間主要在［0～0.6］。圖4表示的是對［0～0.6］這個像素分布密集的區(qū)間進行詳細劃分，將其量化分成3個非等間隔區(qū)間，形成一個非等間隔量化的3級(0～2)飽和度空間。

如圖5所示，按照域值法將整個飽和度區(qū)間劃分為［0～0.32］、(0.32～0.39］和(0.39～1］3 個區(qū)間。經(jīng)過非等間隔飽和度區(qū)間劃分，木材圖像的飽和度值就能夠在區(qū)間上較均勻地分布，這對于飽和度不同的木材圖像區(qū)分十分有利。

圖5 飽和度統(tǒng)計直方圖

1.3 亮度量化方法

如圖6所示，木材圖像的像素亮度主要分布在(0.66～1］的區(qū)間上，而［0～0.66］只有少量分布。如果劃分的區(qū)間是等間隔的，即［0～0.33］區(qū)間的亮度級劃為 0，(0.33～0.66］劃為 1，(0.66～1?劃為2，則大部分木材圖像的像素點亮度值可能都為2。這使得不同材種圖像亮度基本無區(qū)別或區(qū)別較小，檢索時對不同材種不能很好地加以區(qū)分。

圖6 木材圖像亮度等間隔分布統(tǒng)計圖

如圖7所示，將亮度空間非等間隔量化，即將亮度分布稀疏的區(qū)間壓縮，對分布相對密集的區(qū)間加以劃分。根據(jù)木材的亮度特點，大部分材種亮度都分布在［0.7～1］之間，因此將該亮度區(qū)間進行劃分。

圖7 木材圖像亮度非等間隔分布統(tǒng)計

區(qū)間域值的選定要根據(jù)木材的亮度特點，木材圖像亮度分為3個主要區(qū)間，如圖8所示。因此，將整個亮度區(qū)間劃分為［0～0.8］、(0.8～0.9］和(0.9～1］3部分。經(jīng)過非等間隔亮度區(qū)間的劃分，木材圖像的亮度值就能夠較均勻地分布在［0、1、2］3個亮度級上，如圖7所示，這樣就可對亮度不同的木材圖像進行較好地區(qū)分。

圖8 亮度統(tǒng)計直方圖

2 基于非等間隔量化顏色空間的主色調(diào)檢索

2.1 構(gòu)建非等間隔量化的顏色空間

木材材色有其特有的顏色特征及規(guī)律性，能夠較顯著地區(qū)別于其他一些物體的顏色，可以將極黑、極白兩個極值顏色作為一維木材顏色軸的兩端［10］。在對顏色維數(shù)進行量化減維時，可以將木材材色空間以外的其他顏色空間大幅度地壓縮減維，并且按照木材材色空間分布的特殊性，在木材顏色集中分布的空間按照類間區(qū)別較詳細地將其非等間隔量化。

用HSV顏色空間來描述圖像的整體顏色特征，可將H、S與V這3個分量按照人眼對顏色的感知進行非等間隔量化。本研究按照木材在HSV顏色空間分布特征，把色調(diào)H角度制分成9份，飽和度S和亮度V空間分別分成3份，根據(jù)色彩的不同范圍進行量化，量化后的色調(diào)、飽和度和亮度值分別為

2.2 木材材色主色調(diào)的檢索方法

基于主色調(diào)的檢索就是將圖像的主色調(diào)作為查詢的主要特征進行相似性匹配，以查找圖像庫中具有類似主色調(diào)的圖像［11］。按照上述量化級，把3個顏色分量合成一維特征矢量，有：

式中：K1和K2，分別是分量S和V的量化級數(shù)，取K1=3，K2=3，可表示為 L=9H+3S+V。其中，H 包括(0～8)9個量化級數(shù)，S和V包括3個(0、1和2)量化級數(shù)。代入 H、S、V分量最大值，得 L=9×8+3×2+2=80 范圍為［0，1，…，80］。通過上述分量劃分，整個顏色空間可被壓縮為一維的81個顏色級。這樣，H、S與V這3個分量在一維矢量軸上分布開來，計算L可得81個顏色級的一維直方圖，進而利用直方圖相應算法可進行圖像相似性度量［12］。以上方法不但使顏色特征得到了有效降維，而且很大程度地保留了木材顏色特征的有效性。以落葉松弦向切面、臭冷杉弦向切面為例，檢索結(jié)果如表1所示。從表1檢索排序結(jié)果及表2中相似系數(shù)可以看出，基于顏色空間非等間隔量化方法對已知樹種檢索成功率較高，檢索樹種圖像同數(shù)據(jù)庫中圖像顏色特征整體相似或部位相似。實驗表明，基于顏色空間非等間隔量化的主色調(diào)檢索方法進行相似度的判別具有較好的檢索效果。

3 結(jié)論

針對木材材色主要集中在YR(橙)區(qū)間的特點，提出了適合于木材圖像顏色空間的非等間隔量化方法，并在此基礎上進行降維處理，使顏色空間形成一個非等間隔量化的具有81個顏色級的一維直方圖，繼而采用主色調(diào)的方法進行相似性度量匹配檢索。利用這種方法，不但使顏色特征有效降維，并且很大程度上保留了木材顏色特征的有效性。實驗表明，利用非等間隔方法量化后進行主色調(diào)特征降維檢索，降低了特征空間復雜度，提高了木材圖像檢索效率，具有較高的查準率，應用中更符合用戶需求。

表2 基于顏色空間的非等間隔量化方法判別已知樹種檢索結(jié)果

［1］劉一星.木材視覺環(huán)境學［M］.哈爾濱：東北林業(yè)大學出版社，1994.

［2］劉一星，李堅，徐子才，等.我國110個樹種木材表面視覺物理量的綜合統(tǒng)計分析［J］.林業(yè)科學，1995，31(4)：353-359.

［3］于海鵬.基于數(shù)字圖像處理學的木材紋理定量化研究［D］.哈爾濱：東北林業(yè)大學，2005：1-2，91.

［4］邱兆文，張?zhí)镂?一種新的圖像顏色特征提取方法［J］.哈爾濱工業(yè)大學學報，2004，36(12)：1699-1701.

［5］賈瀟然，劉迎濤.樹種識別技術(shù)的研究進展［J］.林業(yè)機械與木工設備，2009，37(9)：16-17.

［6］Baeh JR，F(xiàn)uller C，GuPta A，et al.Virage Image Search Engine-An OPen Framework for lmage Management［EB/OL］.(2004-10-12)［2012-06-02］.http：//spiedigitallibrary.org/proceedings/resource/2/psisdg/2670/1/76_1?isAuthorized=no.

［7］李弼程，彭天強，彭波.智能圖像處理技術(shù)［M］.北京：電子工業(yè)出版社，2004.

［8］孔凡輝，柏曉輝，竺如生.一種基于多特征融合的圖像檢索方法［J］.哈爾濱商業(yè)大學學報：自然科學版，2010，26(3)：347-350.

［9］羅微.基于數(shù)字圖像相似性匹配的木材樹種檢索實現(xiàn)［D］.哈爾濱：東北林業(yè)大學，2008.

［10］劉一星，李堅，王矛棣.木材表面視覺環(huán)境學特性分析(Ⅰ)：木材表面視覺物理量與視覺心理量的關(guān)系［J］.木材工業(yè)，1995，9(2)：14-17.

［11］Dr Krishnan N，Sheerin Banu M，Callins Christiyana C.Content based image retrieval using dominant color identification based on foreground objects［EB/OL］.(2007-12-15)［2012-06-07］.http：//www. computer. org/csdl/proceedings/iccima/2007/3050/03/30500190-abs.html.

［12］楊少春，王克奇，戴天虹，等.基于直方圖的木材表面顏色分類研究［J］.森林工程，2008，24(1)：34-36.