基于红外视频图像的颜色检索方法研究

宫素文，倪红彪，叶 超

（吉林警察学院，吉林 长春 1300117）

基于红外视频图像的颜色检索方法研究

宫素文，倪红彪，叶 超

（吉林警察学院，吉林 长春 1300117）

随着计算机图像处理技术的引入，红外视频监控图像处理技术也有了新的发展。通过运用计算机图像处理建模技术，利用RGB和HSV两种颜色空间模型建立一种基于图像的计算机数据系统，可以提取任意采集的视频图像的各种量化数值，与事先建立起的数据信息库实现具体的数值对比，就可以尽快排查出视频图像中物体的真实材质，为鉴定工作提供准确的信息和明确的方向。这种计算机技术分析可以对多种环境下采集的视频图像中的图形进行数据处理，进而形成一种更合理的红外视频图像鉴定检测方法，并根据该种方法进行计算机数据库系统设计，在实际案例的颜色分析中取得很好的效果。

红外视频；图像；颜色检测；计算机技术；数据库

一、引言

目前视频监控遍布人们生活的各个角落，无论是政府行为的安全防范监控系统还是个人维护自身利益的监控设施，都随着视频监控技术的发展不断从普通模拟信号记录向网络传输的数字高清系统过渡，各种类型的监控设备层出不穷，功能更加多样，监控效果也明显提高，但是对于夜间红外视频，普遍存在视物不清、颜色无法确定、材料质地不明等现象。为此，笔者通过实践，分析夜间红外视频的色阶变化、环境变化、物体表面状态及材料材质影响等因素对视频的影响，并制作成颜色对比数据库，同时为了便于查找和应用，建立了基于颜色的视频图像检索系统，达到快速检索、及时应用的目的。

二、图像处理模型的建立

人眼的感知最直观、最明显的就是物体的外在颜色，相较于物体的其他特点，比如大小、形状、材质、空间范围等，颜色更能被第一时间识别，能准确地反映客观事物对人的主观感受。因此，颜色通常成为被询问的首要问题之一。目前关于颜色的检索方法，作为检索的一个重要手段，成为各个机构处理图像信息的首选方法。颜色空间模型、提取方法、特征匹配算法等技术被用来进行颜色特征检索图像。

（一）基本原理

颜色空间模型分为两种，一种是红、绿、蓝彩色空间，简称RGB空间，一种是色调饱和度、亮度空间，简称HSV空间，因为数字图像都是用统一的数据来表示颜色分类的。当搜集到各种所需要的检材，也就是各种光线下的红外视频监控获取的画面图像时，除了简单地观看辨认行为，更多的是利用计算机数字处理技术，将图像转化成计算机软件能识别并加以编辑和分析的数字信息。因此，分析图像潜在的RGB彩色空间和HSV空间信息，完全可以对图像反映的真实情况做出判断。其中HSV空间在颜色空间中最常用，它具有更加优良的视觉一致性，能够得出最贴近现实存在的真实检索结果，为判断提供准确的方向。

1.RGB颜色模型

物体表面的色彩与亮度对人的眼睛是一种视觉感受，视觉感受通过视神经细胞感应后辨认各种颜色，各种颜色的光又完全可以通过红、绿、蓝三种颜色混合而成。其中红、绿、蓝作为最基本的颜色称为基色或原色，这种由三原色构成的颜色空间被人们俗称为RGB模型。

计算机中的数字图像也是依据这个原理，将RGB颜色空间的三个原色的变化分别用不同的数值表示，再利用相应的数值来反映某个颜色的量度值。计算机中表示图片颜色的24位彩色图，就是分别用了8位（1字节）来表示三颜色的分量的数值，那么表示三原色就共需要24位（3字节），利用计算机的逻辑算法就可以得出通过任意三原色的数据，被准确表示的颜色的数量就是2（8+8+8）=224=16 777 216种，可见三原色原理包含数据量的巨大。红、绿、蓝三色相叠加后为白色，RGB三原色叠加效果示意图，如图1所示。也就意味着每次叠加一次颜色总量度会增加，对应的数值也会随之变化。

图1 RGB三原色叠加效果

2.HSV颜色模型

物体在不同外部环境中，由于外部光线的颜色、光照的强度、表面反光率的不同因素的制约，颜色会呈现出不同的变化规律。在HSV颜色模型中，H表示色调，是颜色的波长；S表示饱和度，是颜色的深浅程度；V表示亮度，是掺入的白光量。这三个参数能够很好地反映颜色的其他同一特征。色调是由物体反射光线中占优势的波长来决定，不同的波长产生不同的颜色，如红、橙、黄、绿、青等。饱和度是指一个颜色的鲜明程度，饱和度越高，颜色越深，如深蓝、深红。在物体反射光线时白色光越少，饱和度越大，白色或灰色越多，其饱和度就越小。亮度是光线作用于物体后由其表面反射决定，反射系数越大，物体的亮度就越大，反射系数越小，物体的亮度越小。HSV的色轮颜色模型很好地说明了这个特点，如图2所示。这个三角形的垂直轴指示饱和度，水平轴表示明度，独立的三角形表示饱和度。色相表示为圆环；选择颜色可以首先在圆环中选择色相，再从三角形中选择想要的饱和度和明度。

图2 HSV颜色模型——HSV色轮

（二）数据库的建立

在不同外部条件下选取不同颜色空间建立数据库。当我们分析任意给出的红外视频图像时，选取图像中同一物体的不同部位，做出RGB和HSV数据，RGB颜色空间与人眼的感知差异很大，不同的光照条件下获取的参数是完全不同的。为了使算法更加准确地描述事物的原始状态，对于各种物体在各种已知的外部环境下，采集数据并按照一定的关系存储到数据库中，通过这些数据对物体加以标示，在事先建立的计算机数据库中输入物体的材质属性，比如物体的材质、纹理、光照射条件、视频采集的时间、方式等。

将这些已知的物体的相关参数输入数据库，如图3所示。

有了充足的比对数据库，对采集来的未知物体的红外视频图像，也采用同样的计算机图像处理办法，得出各种不同光照下、不同光线波长下的数据，将参数和已知的库文件进行对比，就会得出一个或者多个物体的数据库数值，进而可以排除误差产生的误判。例如，汽车外壳和外衣颜色可能在某种特殊的条件下数值是一样的，但是通过观察红外视频反映出的信息就会很容易地排除。然后反复对比两组数据，找到最接近甚至一致的材质，如图4所示。

图3

图4

这样最终利用了计算机图像处理技术中RGB和HSV相应的技术，实现客观物体的辨识。

为建立数据庞大的资源库，我们选取市面上所有常见的材质以及同种材质不同颜色的样本，比如人的衣服，搜集不同颜色的棉、亚麻等常见材料，然后模拟监控环境，并在监控环境中进行拍摄，获得的图片进行专业处理后，将所得的数据与图片共同保存到数据库中，建立不同材质、不同色阶、不同光照度下物体的红外视频图像数据库，将此数据库作为样本库。

三、基于颜色的图像检索方法

颜色检索的实施，是通过分析找到单一物体在不同条件下红外视频图像中的变化和规律，在数据库中按照规律分类，并将监控中采集的图像进行技术分析和处理，对监控录像通过专业截取软件进行截取，将取得的图片通过专业图像软件进行分析，软件通过预先设置好的算法对图像分析计算，进而确定图像的R（红）、G（绿）、B（蓝）、H（色调）、S（饱和度）、V（亮度）等对比相关值。

通过参数查找，进行初步认定，将所计算的相关数值在数据库中查找，进而可以取得一组明确颜色、材质的实例。将这些实例作为初步样本，最后对监控环境进行模拟，模拟实际图像取得的时间、光线、部位等。然后将初步样本在此环境中进行拍照，再通过专业图像软件对所得图像进行分析，将所得参数与之前的样本进行对比，即可认为在此种环境下各项参数最接近的样本是在误差允许范围内原图像的实际物品。

应用实例：在监控中取得图片进行分析

（一）单独对衣服颜色进行分析

编号 R（红） G（绿） B（蓝） H（色调） S（饱和度） V（亮度）图片1 15 14 20 250 30 8图片2 21 23 20 100 13 9

（二）将所得数据在样本数据库中进行搜索，结果如图5。

图5

（三）各样本在模拟环境中的分析结果

编号 R（红） G（绿） B（蓝） H（色调） S（饱和度） V（亮度）249 28 27 25 220 19 9 270 18 14 18 248 31 10 303 4 4 2 220 49 4 351 39 42 38 70 19 21 399 21 24 19 97 10 10 428 22 30 35 260 12 16

（四）得出结论

由表中数据分析可知，与图1、图2最为匹配的分别为黑色化纤和黑色棉质，与事实相符。

四、结语

基于颜色的视频图像检索技术，通过与计算机多媒体技术相结合，为红外视频图像检索技术添加了新的技术元素。通过不断努力，搜集各种特殊情况下的视频图像参数，必将对红外视频图像检索技术的长足发展起到推动作用。图像检索技术研究领域需要更多的关注，文中提到的基于颜色的图像检索在众多技术中能抓住颜色变化的基本规律，可以使复杂的科学计算变得相对简单，因此必将成为图像检索中较为实用的技术。

在实际应用中，还有更多检测方法和手段可以利用，本文主要讨论的是基于颜色特征的图像检索方面的内容。随着多媒体信息处理、数据库和计算机网络技术对图像检索技术的影响更大，这项技术将具有更大的理论价值和广泛的应用前景。

［1］Han J，Bhanu B.Fusion of color and infrared video for moving human detection［J］.Pattern Recognition，2007，40（6）.

［2］Han J，Bhanu B.Detecting moving humans using color and infrared video［C］.Multisensor Fusion and Integration for Intelligent Systems，MFI2003.Proceedings of IEEE International Conference on IEEE，2003.

［3］Ashitate Y，Tanaka E，Stockdale A，et al.Near-infrared fluorescence imaging of thoracic duct anatomy and function in open surgery and video-assisted thoracic surgery［J］.The Journal of thoracic and cardiovascular surgery，2011，142（1）.

［4］Sokolova M V，Serrano-Cuerda J，Castillo J C，et al.A fuzzy model for human fall detection in infrared video［J］.Journal of Intelligent and Fuzzy Systems，2013，24（2）.

［5］张鼎昱，段翰林.视频图像中人像的辨认方法研究［J］.吉林公安高等专科学校学报，2012，（2）.

［6］杨磊，张帆.一种改进的图像检索算法［J］.中国传媒大学学报（自然科学版），2011，（12）.

［7］宋琳琳，王相海.一种综合颜色和纹理特征的图像检索算法［J］.计算机工程与应用，2009，（34）.

［8］冯玉才，程珺，聂晶，梁俊杰.一种新的基于颜色的图像检索算法［J］.计算机工程与应用，2006，（22）.

［9］张振全，张永跃，樊宏，张海波.基于颜色特征的图像检索技术的分析和实现［J］.现代电子技术，2008，（18）.

［10］姜兰池，沈国强，张国煊.基于HSV分块颜色直方图的图像检索算法［J］.机电工程，2009，（11）.

（责任编辑：陈尚坤）

TP391.41

A

1671-0541（2014）04-0074-04

2014-04-23

宫素文（1963-），女，吉林长春人，吉林警察学院副教授，主要研究方向：刑事技术、公安科技；倪红彪（1978-），男，吉林长春人，吉林警察学院讲师，主要研究方向：计算机应用技术；叶超（1992-），男，黑龙江齐齐哈尔人，吉林警察学院2011级本科计算机科学与技术专业二区队学生。

本文系吉林省公安厅科研项目阶段性研究成果，项目编号：KY16-2012。