面向語義的圖像中主要對象的提取方法

孫 超，周海英

(中北大學電子與計算機科學技術學院，山西 太原 030051)

傳統的基于內容的圖像檢索系統(CBIR)是建立在低層視覺特征的相似性度量的基礎上，然而人們對圖像的認知通常是在語義理解的基礎上，這種差距形成了“語義鴻溝”［1］。為了更好地貼近人對圖像的認知，提出一種提取圖像中有意義核心目標對象的方法，能夠有助于圖像內容的語義表達。圖像的核心對象通常位于接近圖像中心的位置，在顏色和紋理上與周邊區域有明顯差別，本身所占區域也比較大，決定著該圖像的主體語義內容。本文提出的圖像中核心對象的提取方法是將圖像劃分為1個中心區域和4個周邊區域以獲取每個區域上顏色和紋理顯著的對象。首先對圖像進行預處理，然后針對每個區域進行顯著性處理，通過計算顯著相關色(SCC)以鑒別區域中的核心目標圖像片，并作為訓練集用于BP神經網絡訓練，從而實現對圖像對象的劃分和結果優化。

人工神經網絡在模擬動物的神經行為方面具有高速并行、容錯性強的特點，并能實現信息的分布式存儲和表達。BP神經網絡采用誤差逆傳播方式，對特征鑒別和模式分類有較好的作用。

1 圖像區域顯著相關色(SCC)計算

1.1 預處理

圖像預處理主要完成對圖像的濾波、色彩量化和分割等前期處理。本文采用同組濾波技術(Peer Group Filtering)對圖像進行濾波、去除噪聲、平滑圖像［2］。CCF*-tree是一種基于分裂和聚類算法的混合方法(見圖1)，可以較好地保持顏色的多數性和差異性［3］，使用該方法將圖像量化為64色，結果見圖1b。圖像分割是圖像分析、理解和識別的關鍵技術，是一個信息不足的、不適定性問題［4］。本文采用JSEG 算法［5］，分割結果不宜太過粗糙，圖1c中共有137個塊。

圖1 圖像的64色量化和JSEG分割結果

1.2 顯著相關色(SCC )

顏色相關直方圖(color correlations)可以反映一個區域中顏色的分布和基本紋理［6］。圖像被劃分為5個DAW區域(默認感興趣區域)D1，D2，D3，D4，D5，如圖 2 所示，中心區域占25%，其余區域均分。對每個DAW區域和對應的SR區域(周邊區域)計算顏色相關直方圖提取SCC［7］，計算時使用距離集合D={1}。每一DAW區域的SCC像素是滿足公式(1)的顏色對 (ci，cj)，CDAW(ci，cj)和CSR(ci，cj)分別是DAW區域和SR區域的顏色相關直方圖中顏色對(ci，cj)的數目(下標指區域)。

圖2 SCC像素

對于這5個部分，DAW區域分別為區域1到5，與SR區域的對應關系如下:

就周邊區域來說，物體多數會分布于整個水平方向上，所以對于 D1，D2，D3，D4，SR 區域不包括處于同一水平的區域。計算時將DAW區域和所對應的SR區域的顏色相關直方圖的值代入公式(1)。圖2a～圖2e顯示了依據不同DAW區域計算所得的SCC像素，依次對應的DAW區域為 D5，D1，D2，D3，D4。

2 選取核心圖像塊

在JSEG分割的塊中選取可以顯著標示對應DAW區域的塊。選取原則為:

1)塊中含對應DAW區域的SCC像素的比例比較高;

2)要有多于一半的部分屬于對應的DAW區域;

3)塊中屬于所對應DAW區域的比例要相對高。

利用以上條件，每個塊用公式(2)計算判定值PCi，j超出閾值tPC的塊，結果見表1。

表1 圖2f中編號1，3，4的塊的RS，IS值

對于每個DAW區域(如j=1)將所有分割所得塊代入公式(2)進行計算，滿足公式(2)的塊被分到該區域，得到一個可以顯著代表這一區域的塊的集合。圖3為每個部分的核心塊。

圖3 每個部分的核心塊

3 擴展區域

3.1 特征提取

每個JSEG分割所產生的塊的特征由顏色和紋理兩類特征以及塊中SCC像素的比例構成，顏色特征為塊在HSV空間的一階矩和二階矩，紋理特征提取采用共生矩陣，其中距離為 1，角度取 0°，45°，90°，135°共 4 個矩陣。對共生矩陣計算能量、熵、慣性矩3個紋理參數，求能量(E)、熵(N)、慣性矩(I)的均值和標準差作為最終6維紋理特征。因為每個塊的大小不一，計算共生矩陣時，要乘以相應的比例，變換到統一尺度。對于每一圖片，有5部分所對應的SCC像素，對應的每個塊有5個不同的比例值(就是計算核心塊使用的RS值)。于是，每個分割塊對應一個17維的特征向量如圖4所示。

圖4 每個分割塊對應一個17維的特征向量

3.2 生成樣本特征集并進行神經網絡訓練

對于每個DAW區域，都要生成一套樣本集，每個區域自身的核心部分包含的塊的特征向量作為正例，反例選取其他對應區域的核心部分。對應關系為:D1對應{D3，D4，D5};D2對應{D3，D4，D5};D3對應{D1，D2，D5};D4對應{D1，D2，D5};D5對應{D1，D2，D3，D4}。對每一 DAW 區域建立神經網絡，將樣本分別輸入其中。選用BP網絡，訓練函數為traingd，輸入層有17個節點，輸出層1個節點，激勵函數采用logsig，學習速率0.03，訓練要求精度為0.0007。共有5個神經網絡，每個對應一個DAW區域。

3.3 生成結果

將分割產生的所有塊的特征向量輸入訓練好的5個神經網絡中，結果如圖5所示。

圖5 神經網絡輸出的結果

4 結果優化

采用以下原則優化結果(見圖6):

1)對上一步產生的5個分類結果，填充被圖像本身像素所包圍的空白部分，去掉小于5%的不連通的塊，去掉 {D1，D2，D3，D4}中包含的{D5}的塊;

2)根據SCC像素比例判定是否要合并處于同一水平的D1和D2，D3和D4;

3)對于沖突的塊，歸類于RSi，j值大的區域。最后得到3～5個區域。

圖6 圖1最終被分為4部分

5 結論

使用本文方法對大量圖像進行了測試，圖7顯示了一部分圖片的處理結果。

圖7 部分實驗結果

實驗表明本文方法對圖像核心語義對象的提取具有以下特點:1)可以提取各區域顏色比較集中且與其他區域有較大差別的部分，較完整地得到由不同顏色，不同成分組成的目標對象，可以確保對圖像重要語義對象的有效抽取;2)可以得到中心對象的輪廓;3)能夠避免傳統圖像分割產生的大量冗余;4)對于有獨特對象分布特點的圖像，可以靈活確定感興趣的DAW區域;5)能夠存儲包含主要信息的圖像主要部分，為進一步的圖像語義處理和檢索奠定基礎。

［1］GUDIVADA V N，RAGHAVAN V V.Content-based image retrieval system［J］.IEEE Computer，1995，28(9):18-22.

［2］DENG Y，KENNEY C，MOORE M S，et al.Peer group filtering and perceptual color image quantization［C］//Proc.ISCAS 1999.［S.l.］:IEEE Press，1999:2-24.

［3］王永剛.彩色圖象處理若干算法的研究與其應用［D］.上海:上海交通大學，2005.

［4］楊潤玲，周軍妮，劉利.基于改進型FCM聚類的圖像分割新方法［J］.電視技術，2008，32(6):12-14.

［5］DENG Y，MANJUNATH B S，SHIN H.Color image segmentation［C］//Proc.CVPR 1999.［S.l.］:IEEE Press，1999:2446-2451.

［6］HUANG J，KUMAR S R，MITRA M，et al.Image indexing using color correlograms［C］//Proc.1997 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.［S.l.］:IEEE Press，1997:762-768.

［7］KIM S Y，PARK S Y，KIM M H.Central object extraction for objectbased image retrieval［C］//Proc.CIVR 2003.［S.l.］:CIVR，2003:39-49.