基于云模型的彩色图像分割方法

姚红 丁莎

摘要：以云模型理论为基础分析彩色图像分割概念，研究已有的彩色图像分割方法，并与云模型相结合，提出基于云模型的彩色图像分割方法。该方法在HSV颜色空间对彩色图像进行非均匀量化，并寻找量化后图像的基本直方图，最后通过云模型的“3En规则”对图像进行前景/背景分割。通过与K均值算法、IS-RSC算法进行比较，实验结果表明了该方法对彩色图像分割的有效性。

关键词：云模型；直方图；颜色空间；3En规则；彩色图像分割

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）22-5297-04

人类视觉认知过程大概分为3个步骤[1-2]：①人眼光学系统在眼底形成客观物体的物像；②视网膜将物像反射的光能经过初步加工并传入大脑；③大脑将接收到的信息根据主体现有的认知经验、知识学习程度、偏好兴趣、客观环境等不确定性因素进行进一步处理并形成认知结果。前两个步骤属于低层次的图像认知处理范畴，更大程度上属于神经生理学和生物物理学的研究内容。因此，该文把第三个步骤作为研究重点，在以往研究成果的基础上充分考虑人类认知组织特性在图像分割中的作用，首先，利用更具稳定性的基于样本划分的多步逆向云变换算法[3]对图像信息进行初始概念的提取；然后，依据人类认知的组织特性（邻接性、相似性、连续性），结合图像区域分割方法，定义一种概念合并准则，利用“和”进行概念跃升，从而得到符合人类认知特点的云概念；最后，利用云模型的“3En”规则对灰度图像、彩色图像及目标边界不分明的图像进行前景/背景分割。实验结果表明该方法能获得更好的分割结果，并能有效地提取出目标边界不分明的图像中的过渡区域。该方法的提出既对双向认知变换的正确性及有效性进行了验证，又为图像处理的研究提供了新的方法。

1 相关概念

1.1 云模型简介

1995年，我国科学家李德毅院士提出了一种定性概念与其定量表示之间的不确定性转换的模型—云模型[4]C（Ex，En，He），该模型被广泛应用于数据挖掘、图像分割等领域。

定义1. （云模型[4]） 设[U]是一个用精确数值表示的论域（1维、2维或多维），U上对应的定性概念A，对于论域中的任意一个元素，都存在一个有稳定倾向的随机数Y=u（x），叫做对概念u的确定程度，Y在论域上的分布称为云模型，简称为云。

云模型通过3个数字特征—期望Ex、熵En和超熵He形象地描述了概念的不确定性，根据数字特征产生云滴，实现从定性到定量的映射。例如，给定Ex=0，En=3，He=0.3，n=10000，则生成的云如图1所示。

在文献[3]中，李德毅院士详细分析了云滴群对定性概念的贡献。分析得到，对于论域[U]中的定性概念[A]，有贡献的定量值主要落在区间[Ex-3En，Ex+3En]上，甚至可以忽略[Ex-3En，Ex+3En]区间之外的定量值对定性概念A的贡献。位于区间[Ex-0.67En，Ex+0.67En]的那些元素占全部元素的22.33%，称为“骨干元素”；位于区间[Ex-En，Ex+En]的那些元素占全部元素的33.33%，称为“基本元素”；位于区间[Ex-2En，Ex-En]和[Ex+En，Ex+2En]的那些元素占全部元素的33.33%，称为“外围元素”；位于区间[Ex-3En，Ex-2En]和[Ex+2En，Ex+3En]的那些元素占全部元素的33.33%，称为“弱外围元素”，这就是云模型的“3En规则”。

1.2 HSV颜色空间及其均一量化

在彩色图像分割算法中，颜色空间的选择尤为重要，直接影响到算法的分割效果，HSV颜色空间反映了人对色彩的观察方式，是一种面向视觉感知的颜色模型，它用三个属性来表示彩色信息：色调（H）、饱和度（S）、亮度（V）。HSV颜色空间中亮度分量与图像的彩色信息无关，色调和饱和度分量包含了颜色信息，这与人感受颜色的方式及其相似，这使得HSV颜色空间非常适合于借助人的视觉系统来感知彩色特性的图像处理算法[5]。

颜色量化技术分为均匀量化和非均匀量化两类。根据光学理论，物体的颜色与光的波长和频率有关，同时根据人的视觉分辨能力，该文将HSV颜色空间非均匀量化成256维，即色调（H）16维，饱和度（S）和亮度（V）都是4维，构造一维特征矢量：

4 小结

本文结合人类对图像认知的不确定性研究图像分割算法，以降低其误分率，使分割结果更符合人类视觉认知。依据人类视觉认知处理的基本事实，围绕视觉信息处理过程中的几个关键的步骤，结合基于概念内涵和外延的双向认知变换及图像区域分割技术，开展了符合人类认知特点的图像分割方法研究，并取得较好的效果。本章构建的图像分割方法，最根本的目的是为计算机视觉领域的研究服务。从研究目的来看，本章方法并不是去完全模拟人眼及大脑在图像认知中的某些功能，而是尽可能地去去考虑人类认知组织特性中能够借鉴的部分，并运用于图像分割中，从而得到更符合人类认知特点的分割结果。

参考文献：

[1] 段 钢. 图像认知的哲学意识[J]. 社会科学研究. 2006（4）： 35-40.

[2] 李作进. 基于视觉认知的自然图像目标识别研究[D]. 重庆： 重庆大学， 2010： 45-58.

[3] 许昌林， 王国胤. 实现稳定双向认知映射的逆向云变换算法[J]. 北京：模式识别与人工智能，2013，26（7）：634-642.

[4] Li De-yi， Du Yi， Artificial Intelligence with Uncertainty [M]. Bei Jing： Defense industry publishing house，2005：17-27.

[5] Huang Fei， WU Min-yuan， Cao Kai-tian， Color Image Segmentation Based on HIS Model[J]. 北京：Miniicro Systems， 2004，25（3）：471-474.

[6] Qin Kun， Wang Pei， New method of curve fitting based on cloud transform[J].Computer Engineering and Applications，2008，44（23）：56-74.

[7] Gao G D， Yu S， Ma S D. Unsupervised segmentation of color images[C]. Proceeding of 1998 IEEE International Conference on Image Processing，1999.Chicago， USA：IL ，1998： 299-302.

[8] 美国加利福利亚州立大学Berkeley分校的计算机视觉分割图像库[EB/OL]. http：//www.eecs.berkeley.edu/ Research/Projects/CS/vision/grouping/， 2012.

[9] 姚红，王国胤，张清华.基于粗糙集和云模型的彩色图像分割方法[J]. 小型微型计算机系统，2013，34（11）：2615-2620.

[10] Wang Z， Bovik A C， Sheikh H R， et al. Image quality assessment： From error visibility to structural similarity[J]. Image processing， IEEE transactions on， 2004， 13（4）： 600-612.