一种基于改进Hu矩的图像检索方法

2011-12-27 05:59张恒博李灵华
大连民族大学学报 2011年5期
关键词:轮廓形状边缘

张恒博,商 周,李灵华

(大连民族学院计算机科学与工程学院,辽宁大连 116605)

一种基于改进Hu矩的图像检索方法

张恒博,商 周,李灵华

(大连民族学院计算机科学与工程学院,辽宁大连 116605)

提出了一个在形状轮廓的基础上,进行改进的Hu矩的形状特征提取与检索方法。首先,对图像进行预处理,利用多阈值颜色分割法提取出图像的前景对象,再采用轮廓跟踪法得到该对象的形状轮廓特征;然后,计算7个不变矩,再转化为10个改进的Hu矩,组成图像的特征向量;最后,用欧氏距离度量图像间的相似度。实验结果表明,该方法具有较好的检索效果。

基于形状;图像检索;Hu不变矩

基于内容的图像检索技术就是通过分析图像的内容(颜色、纹理、形状等),从大量的图像库中查找含有特定物体的图像,它克服了传统方法的不足,融合了图像处理、图像识别和图像数据库等领域的技术成果,从而可以提供更加有效的检索手段。

形状是刻画物体的基本特征之一,用形状特征区别物体非常直观,利用形状特征检索图像可以提高检索的准确性和效率。对于基本形状特征的检索,可以给出有关被检索对象的形状描述,可以是一些特征值,也可以是勾画出的对象的略图。[1]

基于形状的图像检索可分为两种:一种是基于轮廓,该方法只利用形状的外轮廓,而不考虑形状内部的特征;另一种是基于区域,该方法则是利用形状的整个区域特征。目前常用于基于形状检索的形状分析方法有傅立叶描述符、不变矩、形态匹配、曲率尺度空间和转向角曲线等。另外,有时还使用一些标量来对图像库进行快速筛选,如圆率、面积和外接矩形长宽比等[2]。其中,Hu首次提出用7个不变矩来表征图像的形状。由于矩表征图像形状时具有旋转、平移、缩放等空间几何不变性,已经被广泛的用于描述形状特性。[3]但是该方法对封闭和不封闭结构,由于不能直接计算矩的特征。

本文对Hu不变矩的方法进行了扩展,将区域矩和结构矩的计算统一起来,因此不仅可以计算区域特征,还可以直接计算封闭和不封闭结构的特征,从而也可以识别区域、封闭和不封闭结构。首先对图像进行预处理,然后计算图像的改进的Hu矩,把改进的Hu矩做为图像的特征向量,从而实现了一种改进的图像检索方法。

1 图像预处理

1.1 图像分割

图像分割的目的是将背景滤除,只保留目标物的特征。可以采用一种彩色多级阈值图像分割法的分割策略。其原理是根据背景颜色较接近的特点且背景颜色像素数一般要多于目标颜色像素数的特点,找出像素数最多的颜色作为主阈值,其他颜色按与主阈值颜色的接近程度和像素数量的多少分成几个次阈值级,最后扫描整个图像将所有等于主阈值和次阈值的颜色都作为背景色滤除,从而实现背景和目标的分离。原图如图1,图像分割后结果如图2。

图1 原图

图2 图像分割

1.2 图像锐化及边缘检测

图像锐化主要是为了加强其边缘特征,使边缘易于识别。可以采用拉普拉斯卷积核[5]的锐化方法,其锐化卷积核模板为:

边缘是图像最基本的特征。为了检测出边缘信息,通常是利用其周围像素灰度或颜色有阶跃性变化或屋顶变化的特性判断该像素是否为边缘点。可以采用边缘检测算子,其原理是一种利用局部差分算子寻找边缘的算子。锐化及边缘检测后的效果如图3。

图3 锐化及边缘检测

1.3 轮廓跟踪和提取

轮廓是基于形状检索的依据。轮廓提取的方法可以采用内部点掏空法[5],其原理是利用图像形态学中的腐蚀处理方法用一个九个点的结构元素对图像进行腐蚀,再利用原图像减去腐蚀图像即可得到轮廓。

轮廓跟踪是根据某种严格的“探测准则”找出目标物体轮廓上的像素,再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。“探测准则”原则是:按照从左到右,从下到上的顺序搜索,找到的第一个不同于背景的点就是最左下方的点,记为A。然后从该点开始,按右、右上、上、左上四个邻点中至少有一个边界点,记为B。从B开始找起,按右、右上、上、左上、左下、下、右下的顺序找相邻的边界点C。如果C就是A,则表明已经全部搜索完毕。本模型“跟踪准则”原理是:如果它的上下左右4个邻点都不是对象点,则它即为边界点。轮廓跟踪和提取后的效果如图4。

图4 轮廓提取图

2 Hu不变矩的改进

2.1 Hu 不变矩[6]

2.2 Hu 矩的改进

为了得到适用于区域、封闭和不封闭结构的统一不变矩公式,利用矩之间的比值来去掉比例因子μ00,从而使不变矩公式与面积或结构的比例缩放无关,而仅与几何形状有关。根据这种思路,利用式(2)和式(3),得到的改进的 Hu矩为

这10个改进的Hu矩满足结构的平移、缩放、旋转不变。R1与形状曲率半径有关,R2代表形状的扁度,R1的分母不会为0,但R2~ R10的分母则可能为0。

3 形状特征提取与相似性度量

由边界图像得到的相对矩共有10个,共同组成图像的特征向量:

但矢量中每个分量的取值范围不同,表示的物理意义也不同,不能直接用欧氏距离来度量,需要对它们进行内部归一化。通常采用高斯归一化方法,即

式中,mj和σj分别表示距离值的均值和标准差。若利用3σj进行归一化,各个fi,j转变成具有 N(0,1)分布的 fi,jN,其值 99% 可落在[-1,1]区间。实际应用中,可将区间外的值设为-1或1,以保证所有的fi,j值均落在区间内。特征向量归一化后,用欧氏距离进行相似性度量。由此,构成基于形状特征图像检索方法。

4 实验结果与分析

为了验证该方法的合理性,构建一个基于形状特征的图像检索系统进行测试。图像库中包含汽车、风景、鲜花3类600余幅图像。其中,既包含区域特征明显的图像,也包含结构特性明显(封闭或不封闭结构)的图像,且图像之间有平移、缩放和旋转。该方法对汽车类图像的检索结果如图5。检索结果的相似性度量见表1。

图5 基于改进的Hu矩的图像检索结果

表1 汽车类检索结果的相似性度量

在图5中,左上角的第一幅图像为查询图像,检索结果返回与查询图像最相似的前8幅图像。图5表明,无论相似的形状是否有平移、旋转、尺度缩放,都能得到很好的匹配,其相似度如表1。从图像或者文件名都可以看出,前8幅图像全为类内(汽车类)图像,检索精度达到了100%。进一步实验表明,返回最相似的前18幅图像时,检索精度仍然能达到100%。当返回最相似的前36幅图像时,仅有2幅类外(如风景类)图像,检索精度为97.2%,仍能达到用户的满意程度。选择风景类及鲜花类图像进行测试,结果类似。

5 结论

本文采用传统方法对图像进行了边缘检测。并对Hu矩进行一种改进,满足形状的平移、旋转和尺度缩放不变性,统一了图像形状的区域和结构描述方法。本文提出了一种基于改进的Hu矩的形状特征提取与检索方法,构建了一个基于形状特征的图像检索系统。实验结果表明,该方法具有明显的优越性和通用性,为网络环境下基于视觉特征的图像搜索引擎设计提供了算法支持。

[1]史延新.基于形状特征的图像检索算法研究[J].电子科技,2008(12):69-71.

[2]李笑牛,袁克杰.基于Hu不变矩的加权矩方法及应用[J].大连民族学院学报,2010,12(5):470 -472.

[3]HU M K.Visual pattern recognition by moment invariants[J].IEEE Trans.on Information Theory,1962(IT -8):179-187.

[4]薛鸿民,刘志镜,刘利,等.基于形状的图像检索的关键技术研究[J].计算机应用研究,2002(11):61-64.

[5]樊亚春,耿国华,周明全.用不变矩和边界方向进行形状检索[J].小型微型计算机系统,2004(04):659-662.

A Method of Image Retrieval Based on Improved Hu Moments

ZHANG Heng-bo,SHANG Zhou,LI Ling-hua
(College of Computer Science and Engineering,
Dalian Nationalities University,Dalian Liaoning 116605,China)

A new method for CBIR based on shape relative moments feature has been presented.Firstly,the image has been pre-processed,the foreground object has been extracted using multi-threshold image segmentation.Then the seven invariant moments have been calculated and translated to ten improve Hu moments,which constructors characterize vectors of image;Finally,the similarity between two images’normalized moment vectors has been measured taking use of Euclidean distance.Experimental results showed that the method has a very good retrival effect.

shape-based;image retrieval;Hu invariant moments

TP391.41

A

1009-315X(2011)05-0499-03

2011-06-20;最后

2011-07-07

张恒博(1972-),男,黑龙江讷河人,副教授,博士,主要从事图形图像处理研究。

(责任编辑 刘敏)

猜你喜欢
轮廓形状边缘
挖藕 假如悲伤有形状……
OPENCV轮廓识别研究与实践
基于实时轮廓误差估算的数控系统轮廓控制
你的形状
高速公路主动发光轮廓标应用方案设计探讨
一张图看懂边缘计算
火眼金睛
心的形状
创造早秋新轮廓
在边缘寻找自我