基于颜色空间非等间隔量化的木材图像主色调检索1)

罗 微 李红岩 孙丽萍

(哈尔滨医科大学大庆校区，大庆，163319) (东北林业大学)

随着图像处理技术的不断发展，基于内容的图像检索被越来越多地应用在树种检索中。由于主色调能够较好地概括图像总体特征，因此为了保证检索精度的同时能够更好地提高检索效率，笔者提出了针对木材图像特征的颜色空间非等间隔量化的主色调检索方法。

对于特定图像数据库，应当有针对性地提取适合此类图像的特征。木材材色空间分布有其特殊性，其色调主要分布在YR(橙)区间，相对较确定。另外，木材图像的饱和度和亮度也各有特点［1-2］，因此本研究选择在HSV颜色空间采用非等间隔量化的方法对木材颜色进行特征提取。这样减少了检索中的特征冗余，对木材颜色进行了更有针对性的表达，使得提取的特征针对木材颜色具有更好的适用性，保证了检索的准确率。又由于高维特征检索效率较差，为了有效地降低特征空间的维数，可对颜色三分量进行空间非等间隔量化后再进行降维处理［3-4］，这样提取的特征可提高检索效率。

目前，基于内容的木材图像检索主要是基于纹理特征、RGB颜色空间特征或L*a*b*颜色空间特征实现检索识别［5］，而采用非等间隔量化的主色调的检索方法在木材图像检索应用中尚未展开深入研究。笔者提出的针对木材图像特征的颜色空间非等间隔量化主色调检索作为一种新方法，可以为木材图像检索提供更为准确高效的检索方法。

1 颜色空间非等间隔量化

木材图像转化到HSV颜色空间后，就包括色调、饱和度和亮度3个颜色分量，量化是指对这3个分量的空间分别进行非等间隔量化降维，进而将色调、饱和度和亮度3个颜色分量合成一维特征矢量［6-7］。

1.1 色调量化方法

HSV颜色空间中色调被划分为360个等份，色调H在0°～360°之间变化。色调降维即将木材材色空间以外的其他颜色空间大幅度地压缩减维［8］，并且按照木材材色空间分布的特殊性，在木材颜色集中分布的空间，按照类间区别较详细地将其非等间隔量化，形成一个非等间隔量化的9色调级(0～8)的颜色空间［9］。图1和图2分别是色调空间非等间隔量化前后的统计分布图，表示了色调空间非等间隔量化过程中不同材种木材图像像素分布情况，统计了木材图像样本在不同色调区间像素分布数量。本研究选择了颜色上比较有代表性的50种不同木材表面图像进行试验。

如图1所示，木材图像色调主要分布在［0°～60°］区域内，而其他区间像素点分布极少，几乎趋近于没有。

图1 木材图像像素点的等间隔色调分布区间统计

图2表示的是对［0°～60°］这个像素分布密集的区间进行详细划分，将其量化分成6个非等间隔区间;而(60°～360°］区间内，木材颜色像素分布稀疏，因此，仅将其量化为3个非等间隔区间。

图2 木材图像像素点的非等间隔色调分布区间统计

对木材表面图像提取色调信息，逐渐增加色调值后，通过观察色调角偏移程度对图像的影响，可以得出色调变化数量同视觉感受的相关性。图像从色调角增加5°开始就可以观察到颜色变化;色调角增加20°有明显变化。因此，在对色调空间进行量化时，最小区间间隔为5°。

1.2 饱和度量化方法

饱和度区间的划分方法同色调区间相类似，图3和图4分别是饱和度区间非等间隔量化前后的统计分布图，统计了木材图像样本在不同饱和度区间像素分布数量。

图3 木材图像饱和度等间隔分布统计

图4 木材图像饱和度非等间隔分布统计

从图3可以看出，木材图像饱和度区间主要在［0～0.6］。图4表示的是对［0～0.6］这个像素分布密集的区间进行详细划分，将其量化分成3个非等间隔区间，形成一个非等间隔量化的3级(0～2)饱和度空间。

如图5所示，按照域值法将整个饱和度区间划分为［0～0.32］、(0.32～0.39］和(0.39～1］3 个区间。经过非等间隔饱和度区间划分，木材图像的饱和度值就能够在区间上较均匀地分布，这对于饱和度不同的木材图像区分十分有利。

图5 饱和度统计直方图

1.3 亮度量化方法

如图6所示，木材图像的像素亮度主要分布在(0.66～1］的区间上，而［0～0.66］只有少量分布。如果划分的区间是等间隔的，即［0～0.33］区间的亮度级划为 0，(0.33～0.66］划为 1，(0.66～1〛划为2，则大部分木材图像的像素点亮度值可能都为2。这使得不同材种图像亮度基本无区别或区别较小，检索时对不同材种不能很好地加以区分。

图6 木材图像亮度等间隔分布统计图

如图7所示，将亮度空间非等间隔量化，即将亮度分布稀疏的区间压缩，对分布相对密集的区间加以划分。根据木材的亮度特点，大部分材种亮度都分布在［0.7～1］之间，因此将该亮度区间进行划分。

图7 木材图像亮度非等间隔分布统计

区间域值的选定要根据木材的亮度特点，木材图像亮度分为3个主要区间，如图8所示。因此，将整个亮度区间划分为［0～0.8］、(0.8～0.9］和(0.9～1］3部分。经过非等间隔亮度区间的划分，木材图像的亮度值就能够较均匀地分布在［0、1、2］3个亮度级上，如图7所示，这样就可对亮度不同的木材图像进行较好地区分。

图8 亮度统计直方图

2 基于非等间隔量化颜色空间的主色调检索

2.1 构建非等间隔量化的颜色空间

木材材色有其特有的颜色特征及规律性，能够较显著地区别于其他一些物体的颜色，可以将极黑、极白两个极值颜色作为一维木材颜色轴的两端［10］。在对颜色维数进行量化减维时，可以将木材材色空间以外的其他颜色空间大幅度地压缩减维，并且按照木材材色空间分布的特殊性，在木材颜色集中分布的空间按照类间区别较详细地将其非等间隔量化。

用HSV颜色空间来描述图像的整体颜色特征，可将H、S与V这3个分量按照人眼对颜色的感知进行非等间隔量化。本研究按照木材在HSV颜色空间分布特征，把色调H角度制分成9份，饱和度S和亮度V空间分别分成3份，根据色彩的不同范围进行量化，量化后的色调、饱和度和亮度值分别为

2.2 木材材色主色调的检索方法

基于主色调的检索就是将图像的主色调作为查询的主要特征进行相似性匹配，以查找图像库中具有类似主色调的图像［11］。按照上述量化级，把3个颜色分量合成一维特征矢量，有：

式中：K1和K2，分别是分量S和V的量化级数，取K1=3，K2=3，可表示为 L=9H+3S+V。其中，H 包括(0～8)9个量化级数，S和V包括3个(0、1和2)量化级数。代入 H、S、V分量最大值，得 L=9×8+3×2+2=80 范围为［0，1，…，80］。通过上述分量划分，整个颜色空间可被压缩为一维的81个颜色级。这样，H、S与V这3个分量在一维矢量轴上分布开来，计算L可得81个颜色级的一维直方图，进而利用直方图相应算法可进行图像相似性度量［12］。以上方法不但使颜色特征得到了有效降维，而且很大程度地保留了木材颜色特征的有效性。以落叶松弦向切面、臭冷杉弦向切面为例，检索结果如表1所示。从表1检索排序结果及表2中相似系数可以看出，基于颜色空间非等间隔量化方法对已知树种检索成功率较高，检索树种图像同数据库中图像颜色特征整体相似或部位相似。实验表明，基于颜色空间非等间隔量化的主色调检索方法进行相似度的判别具有较好的检索效果。

3 结论

针对木材材色主要集中在YR(橙)区间的特点，提出了适合于木材图像颜色空间的非等间隔量化方法，并在此基础上进行降维处理，使颜色空间形成一个非等间隔量化的具有81个颜色级的一维直方图，继而采用主色调的方法进行相似性度量匹配检索。利用这种方法，不但使颜色特征有效降维，并且很大程度上保留了木材颜色特征的有效性。实验表明，利用非等间隔方法量化后进行主色调特征降维检索，降低了特征空间复杂度，提高了木材图像检索效率，具有较高的查准率，应用中更符合用户需求。

表2 基于颜色空间的非等间隔量化方法判别已知树种检索结果

［1］刘一星.木材视觉环境学［M］.哈尔滨：东北林业大学出版社，1994.

［2］刘一星，李坚，徐子才，等.我国110个树种木材表面视觉物理量的综合统计分析［J］.林业科学，1995，31(4)：353-359.

［3］于海鹏.基于数字图像处理学的木材纹理定量化研究［D］.哈尔滨：东北林业大学，2005：1-2，91.

［4］邱兆文，张田文.一种新的图像颜色特征提取方法［J］.哈尔滨工业大学学报，2004，36(12)：1699-1701.

［5］贾潇然，刘迎涛.树种识别技术的研究进展［J］.林业机械与木工设备，2009，37(9)：16-17.

［6］Baeh JR，Fuller 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，彭天强，彭波.智能图像处理技术［M］.北京：电子工业出版社，2004.

［8］孔凡辉，柏晓辉，竺如生.一种基于多特征融合的图像检索方法［J］.哈尔滨商业大学学报：自然科学版，2010，26(3)：347-350.

［9］罗微.基于数字图像相似性匹配的木材树种检索实现［D］.哈尔滨：东北林业大学，2008.

［10］刘一星，李坚，王矛棣.木材表面视觉环境学特性分析(Ⅰ)：木材表面视觉物理量与视觉心理量的关系［J］.木材工业，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］杨少春，王克奇，戴天虹，等.基于直方图的木材表面颜色分类研究［J］.森林工程，2008，24(1)：34-36.