基于顏色特征的單主體圖像感興趣區(qū)域提取方法

鄧冠男，賈永鑫，劉乙鑫

(東北電力大學(xué)理學(xué)院，吉林 吉林 132012)

圖像檢索[1]是在圖像庫(kù)中通過(guò)檢索圖像標(biāo)注的文本或者內(nèi)容特征，為用戶提供相關(guān)圖像資料檢索服務(wù)的搜索系統(tǒng).圖像檢索綜合了圖像增強(qiáng)、特征提取、相似度測(cè)量、目標(biāo)識(shí)別、相關(guān)反饋等內(nèi)容，自問(wèn)世以來(lái)，就成為各行各業(yè)[2-3]的焦點(diǎn).隨著大數(shù)據(jù)時(shí)代的來(lái)臨，圖像數(shù)據(jù)量急劇增加，基于圖像的全局進(jìn)行檢索，不足以較好的實(shí)現(xiàn)檢索目的，也大大降低了檢索的精確度，同時(shí)增加了時(shí)間復(fù)雜度.為了提高圖像檢索的效率，可以有目的的選擇用戶所感興趣的區(qū)域，縮小檢索范圍.

在實(shí)際的場(chǎng)景中，人類的視覺(jué)系統(tǒng)會(huì)將視覺(jué)的焦點(diǎn)集中到某一個(gè)區(qū)域，忽略背景及其他無(wú)關(guān)區(qū)域.針對(duì)此現(xiàn)象，一些學(xué)者提出了感興趣區(qū)域這一概念.感興趣區(qū)域首先使用在機(jī)器人研究領(lǐng)域，作為機(jī)器人的視覺(jué)焦點(diǎn).隨后一些學(xué)者將感興趣區(qū)域的思想引入圖像檢索領(lǐng)域，之所以用感興趣區(qū)域代替整幅圖像進(jìn)行檢索，在于它包含用戶關(guān)注的關(guān)鍵信息.當(dāng)識(shí)別出感興趣區(qū)域之后，可以將圖像背景及其他不相關(guān)的區(qū)域忽略，只保留感興趣區(qū)域的部分，從而能夠較好的提取該區(qū)域的相關(guān)特征，對(duì)后續(xù)圖像檢索的準(zhǔn)確度及檢索效率有較大提升.

近幾年來(lái)，國(guó)內(nèi)外許多學(xué)者對(duì)圖像感興趣區(qū)域進(jìn)行了研究.焦蓬蓬[4]提出了一種基于數(shù)據(jù)網(wǎng)格和改進(jìn)的區(qū)域生長(zhǎng)法相結(jié)合的肝臟CT圖像感興趣區(qū)域的分割方法.周潔等[5]利用由彩色增強(qiáng)的角點(diǎn)檢測(cè)算子、梯度提升回歸(Gradient Boosting Regression，GBR)算法與超像素聚類相結(jié)合、高斯差分濾波器等得到圖像中、低層次信息，通過(guò)加權(quán)融合兩個(gè)層次顯著圖，有效定位感興趣區(qū)域.程玉勝等[6]為了提高用戶提取感興趣區(qū)域的準(zhǔn)確度，提出一種對(duì)圖像熵值先進(jìn)行優(yōu)化再分割的感興趣區(qū)域的提取方法.王鵬博[7]基于X光像的成像原理，對(duì)其在空間域和頻率域上通過(guò)直方圖均衡化、濾波器等算法進(jìn)行圖像增強(qiáng)，再利用邊緣算子實(shí)現(xiàn)廣義霍夫變換對(duì)X光圖像感興趣區(qū)域的提取.張秀玲等[8]提出了一種基于k均值聚類算法(k-Means Clustering Algorithm，k-Means)對(duì)圖像聚類，實(shí)現(xiàn)對(duì)圖像感興趣區(qū)域的分割.然而，由于圖像內(nèi)容的不確定性以及分割技術(shù)的不完善，現(xiàn)有圖像感興趣區(qū)域提取方法在提取的準(zhǔn)確度及提取效率方面依然無(wú)法令人滿意.

圖像具有直觀、生動(dòng)的特點(diǎn).顏色特征是圖像最為明顯的特征，根據(jù)圖像的顏色特征及圖像中存在主體的數(shù)量可將圖像分成無(wú)主體、單主體和多主體三類.例如圖1～圖3中，圖1前景與背景無(wú)明顯的界限，主體不鮮明，屬于無(wú)主體圖像；圖2中花朵相較于其他部分顏色突出，具有明顯的輪廓邊界，屬于單主體圖像；圖3中馬匹作為圖像主體，但是分散在圖像中多個(gè)位置，屬于多主體圖像.通常，圖像的主體是用戶的關(guān)注點(diǎn)，也是我們要提取感興趣區(qū)域的核心部分.

圖1 無(wú)主體圖像 圖2 單主體圖像 圖3 多主體圖像

單主體圖像主體明確，且像素點(diǎn)相對(duì)集中，與背景色差較大，與多主體圖像相比，更容易找出圖像的感興趣區(qū)域部分.鑒于此，本文僅針對(duì)單主體圖像，研究感興趣區(qū)域的提取方法.

本文從圖像感興趣區(qū)域的特點(diǎn)出發(fā)，利用感興趣區(qū)域輪廓邊界與圖像背景顏色差異性，提出一種針對(duì)單主體圖像的基于顏色梯度的圖像感興趣區(qū)域提取方法，能很大程度上縮小感興趣區(qū)域的查找范圍，較好的提出感興趣區(qū)域.但是此方法仍存在弊端，如計(jì)算量大，容易過(guò)分割等.為了減少計(jì)算量，實(shí)現(xiàn)快速又準(zhǔn)確的提取感興趣區(qū)域，在上述算法的基礎(chǔ)上加以改進(jìn)，又提出一種基于區(qū)域顏色梯度的單主體圖像感興趣區(qū)域提取方法，不僅有效縮小感興趣區(qū)域查找范圍，計(jì)算時(shí)間也大大減小.

1 基于顏色梯度的單主體圖像感興趣區(qū)域提取算法

假設(shè)圖像I大小為m*n，像素點(diǎn)(x，y)相對(duì)應(yīng)的灰度值為

p(x，y)， 其中：x=1，2，…，m；y=1，2，…，n.

算法步驟：

(1)對(duì)圖像的所有像素點(diǎn)，從水平方向出發(fā)，計(jì)算其二階差分，構(gòu)造差分矩陣Sod1.

Sod1(x，y)=(p(x，y+2)-p(x，y+1))-(p(x，y+1)-p(x，y))

=p(x，y+2)-2p(x，y+1)+p(x，y).

(2)對(duì)圖像的所有像素點(diǎn)，從垂直方向出發(fā)，計(jì)算其二階差分，構(gòu)造差分矩陣Sod2.

Sod2(x，y)=(p(x+2，y)-p(x+1，y))-(p(x+1，y)-p(x，y))

=p(x+2，y)-2p(x+1，y)+p(x，y).

(5)以min_L，max_R，min_U，max_D為圖像感興趣區(qū)域的左、右、上、下四個(gè)邊界，對(duì)圖像I進(jìn)行分割.

鑒于藥學(xué)類實(shí)驗(yàn)室種類多樣，經(jīng)常存在多學(xué)科交叉共用實(shí)驗(yàn)室現(xiàn)象，筆者提出以實(shí)驗(yàn)室安全防控點(diǎn)為依據(jù)的實(shí)驗(yàn)室分類方案，以便安全環(huán)保培訓(xùn)和實(shí)驗(yàn)室準(zhǔn)入制度的實(shí)施。該分類方案將實(shí)驗(yàn)室按安全與環(huán)保因素分為以下幾類：“有毒”指可直接接觸有毒物質(zhì)、產(chǎn)生有毒氣、液、固體物質(zhì)、接觸高傳染性生物、放射性物質(zhì)等的實(shí)驗(yàn)室；“危險(xiǎn)”指實(shí)驗(yàn)中可能發(fā)生爆炸、爆沸、明火，接觸高壓、高溫等實(shí)驗(yàn)室；“風(fēng)險(xiǎn)”指實(shí)驗(yàn)中可能接觸腐蝕性物質(zhì)，可造成實(shí)驗(yàn)者肢體損傷，接觸動(dòng)物、微生物有潛在感染，火、水、電傷害等的實(shí)驗(yàn)室；“一般”可能出現(xiàn)水、電、火災(zāi)及普通污染物等實(shí)驗(yàn)室，具體涉及的實(shí)驗(yàn)室見(jiàn)表1。

利用上述方法，能夠?qū)崿F(xiàn)對(duì)單主體圖像感興趣區(qū)域的有效提取，并且將主體部分限定在一個(gè)小區(qū)域內(nèi)，避免其他的干擾因素.然而，從算法的執(zhí)行過(guò)程來(lái)看，需要從水平方向和垂直方向出發(fā)，計(jì)算每個(gè)像素點(diǎn)的二階差分，計(jì)算量較大.為解決這一問(wèn)題，本文對(duì)上述方法加以改進(jìn)，提出基于區(qū)域顏色梯度的單主體圖像感興趣區(qū)域提取方法，使得在保證圖像感興趣區(qū)域有效提取的同時(shí)，極大地減少算法的時(shí)間復(fù)雜度.

2 基于區(qū)域顏色梯度的單主體圖像感興趣區(qū)域提取算法

圖像檢索中采用感興趣區(qū)域提取的目的是利用小的區(qū)域?qū)D像的主體部分提取出來(lái)，避免非主體部分對(duì)主體的干擾，突出主體部分的特征，提高圖像檢索的效率.通常情況下，圖像的四個(gè)邊界部分包含的感興趣區(qū)域較少.因此，為了減少算法復(fù)雜度，可將圖像分塊處理.分塊后的邊界部分所在區(qū)域行或列的像素值變化不明顯，可用像素均值表征該行或列的像素分布，均值的變化率表示該區(qū)域的整體變化率，并將變化率最大的位置作為感興趣區(qū)域的分割邊界，實(shí)現(xiàn)感興趣區(qū)域的提取.

算法步驟：

假設(shè)圖像I大小為m*n，像素點(diǎn)(x，y)相對(duì)應(yīng)的灰度值為

p(x，y)， 其中：x=1，2，…，m；y=1，2，…，n.

(3)對(duì)MA的所有像素點(diǎn)，從水平方向出發(fā)，計(jì)算其二階差分，構(gòu)造差分矩陣Sod1.同理，對(duì)MB的所有像素點(diǎn)，從垂直方向出發(fā)，計(jì)算其二階差分，構(gòu)造差分矩陣Sod2.

(6)以min_L，max_R，min_U，max_D為圖像感興趣區(qū)域的左、右、上、下四個(gè)邊界，對(duì)圖像I進(jìn)行分割.

3 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性，選取 Corel 數(shù)據(jù)庫(kù)中花、車、大象、飛機(jī)等形色各異的圖像進(jìn)行測(cè)試，利用OTSU法、基于閾值的分割方法及本文提出的兩種算法對(duì)圖像進(jìn)行分割，提取感興趣區(qū)域，并對(duì)提取結(jié)果進(jìn)行比較.以下提取過(guò)程都是在灰度圖像中進(jìn)行處理，結(jié)果如圖4～圖8所示.

圖4 原始圖像的灰度圖

圖5 OTSU法

圖6 基于閾值的分割

圖7 基于圖像顏色梯度

圖8 基于區(qū)域顏色梯度

對(duì)上述結(jié)果進(jìn)行分析，可以得出以下結(jié)論：

(1)OTSU法無(wú)法確定圖像主體，容易出現(xiàn)分割錯(cuò)誤.而且在提取過(guò)程中，容易造成主體缺失，感興趣區(qū)域提取不完整.

(2)基于閾值的分割方法的提取結(jié)果同OTSU法類似，圖像主體不明確，且容易過(guò)分割，部分主體無(wú)法顯現(xiàn)出來(lái)，使得提取的感興趣區(qū)域不完整.

(3)相比于前兩種方法，基于圖像顏色梯度的單主體圖像感興趣區(qū)域提取方法縮小了感興趣區(qū)域的范圍，能夠更好地提取出相對(duì)完整的感興趣區(qū)域.但是對(duì)于背景簡(jiǎn)單的圖像，此方法不能準(zhǔn)確地找到分割邊界，導(dǎo)致感興趣區(qū)域的邊界缺失，提取效果不盡人意.

(4)基于區(qū)域顏色梯度的單主體圖像感興趣區(qū)域提取方法彌補(bǔ)了基于圖像顏色梯度的單主體圖像感興趣區(qū)域提取方法的不足，不僅避免了分割邊界不準(zhǔn)確的問(wèn)題，完整的提出了感興趣區(qū)域，而且減少了運(yùn)算時(shí)間，提高了感興趣區(qū)域的提取效率，實(shí)用性更高.

5 結(jié)束語(yǔ)

為了解決圖像檢索中感興趣區(qū)域的提取問(wèn)題，對(duì)現(xiàn)有圖像感興趣區(qū)域提取方法存在的問(wèn)題做了相關(guān)的研究工作.利用圖像感興趣區(qū)域的特點(diǎn)，提出了針對(duì)單主體圖像的感興趣區(qū)域提取方法.首先給出了一種基于顏色梯度的單主體圖像感興趣區(qū)域提取方法，通過(guò)提取的結(jié)果發(fā)現(xiàn)，雖然可以較好的提出感興趣區(qū)域，但是對(duì)一些圖像有過(guò)分割的現(xiàn)象.于是對(duì)此方法加以改進(jìn)后，又提出一種基于區(qū)域顏色梯度的單主體圖像感興趣區(qū)域提取方法.該方法不僅提高計(jì)算效率，而且提出的感興趣區(qū)域較前者更為完整.但是，如何對(duì)多主體圖像實(shí)現(xiàn)感興趣區(qū)域的提取，仍是未來(lái)研究的重點(diǎn).