MSER在圖像局部特征檢測中的應用研究

湯海林

（廣東白云學院計算機系，廣州　510450）

MSER在圖像局部特征檢測中的應用研究

湯海林

（廣東白云學院計算機系，廣州510450）

0　引言

區域檢測技術是圖像處理領域中的一個經典研究方向，通過對圖像局部區域的特征提取，實現圖像區域分割。傳統區域檢測方法是通過對圖像中具有相同性質的像元進行分類，再通過將像元連接成區域，以實現對圖像中的區域檢測功能。該方法可實現對圖像區域檢測，但對圖像的旋轉、尺度及仿射不變性的適應性較差，且對圖像特征提取的依賴性較強，不具備較強的魯棒性。

1　最大穩定極值區域

最大穩定極值區域MSER（Maximally Stable Extremal Regions）采用地形中分水嶺的概念來求解穩定局部區域，它基于魯棒性的寬基線立體重建。圖像中的極值區域是寬基線立體重建中的顯著區域（Distinguished Regions，DRs），且必須具備可區分、仿射不變性、穩定等特性［1］。極值區域在圖像坐標轉換中變化是緊密的，且圖像密度變化是隨著緊密變化，最大穩定極值區域是極值區域的穩定子集。

MSER檢測算法通過對待提取的原始圖像預處理后，形成灰度圖像，采用二維函數表示，即將每個像素的坐標值（x，y）映射為灰度值。在MSER中，通過提取圖像中穩定區域的檢測因子，確定其區域面積變化率函數的局部最小值來形成對圖像檢測。

2　MSER數據定義

在原始圖像中檢測出具有獨特性、穩定性的最大穩定區域即MSER所要實現的功能。MSER算法中必須具有一系列的相關閾值，以輸出MSER檢測子的嵌套區域。MSER的數據定義如下：

（1）圖像I是一個區域D到灰度S的映射：I:D?Z2→S，且滿足條件：S具有自反、非對稱和傳遞的，且S=｛1，2，…，255｝。

（2）領域關系：A?D×D。文中采用四領域，對于點p，q∈D，當且僅當時，p，q互為領域關系，p∈A（q）&&q∈A（p）。

（3）區域Q。Q是D的一個連通子集，對于任意p，q∈D，存在一個序列 p，a1，a2，…，an，q和p∈A（a1），…，ai∈A（ai+1），…，an∈A（q）。

（4）區域邊界?Q。?Q=｛q∈DQ:?p∈Q:q∈A（p）｝。即?Q不屬于區域Q，但區域Q中至少存在一個像元與其構成鄰接關系。

（5）極值區域Q。極值區域Q?D，對于所有的p∈Q，q∈?Q:I（p）>I（q）（最大極值區域）或I（p）

最大極值穩定區域（MSER）。設Q1，Qi-1，Qi…為一系列的相互包含的極值區域，即Qi?Qi+1。若極值區域Qi*為最大極值區域，當且僅當區域變化率q（i）=|Qi+Δ Qi-Δ|/|Qi|在i*處取得局部極小值。|·|表示為區域的面積，Δ∈S，Δ為微小的灰度變化。

3　MSER檢測算法

在MSER提取算法中，將每個MSER表示局部灰度極大值的空間坐標及其所對應的閾值。在MSER內根據圖像面積變化率給MSER定位找到擁有最大灰度值的像素［2］，其空間位置（x，y）就是MSER的空間位置。

由于MSER檢測算法是從嵌套的極值區域中提取出來的，其可能存在多個極值區域，通過定義穩定性方程取得局部最小值時所對應的閥值來確定其極值區域［3］。MSER的檢測算法如下：

（1）對給定的圖像根據灰度值排序，如是彩色圖形，必須進行灰度化；該過程采用BinSort的快速排序算法，時間復雜度為O（n）。BinSort算法根據按箱排序的原理，將排序的序列各個數組分類到不同的箱中，將箱自動排序后，再將各箱串連起來。

（2）按升序或降序將排序后的像素放入圖像中，連接區域的列表和面積使用合并-查找算法實現。對圖像中多個極值區域之間的關系通過組件樹的數據結構來組織，并通過樹的搜索獲得極值區域面積的變化，從而可計算出極值區域變化率。

圖像極值區域Qi是一個圖像灰度等級集合 Si=｛x:I （x）≤i｝下的連接區域，將圖像灰度值排序后分別放入圖像矩陣中，從而生成灰度遞增的列表，從灰度0開始搜索每個像素，并且從矩陣的左上角開始掃描，直到將所有灰度值的像素掃描完成，將所得到的掃描像素點的坐標連接起來，該記錄即是灰度值增長過程，從而形成組件之間的連接關系。通過對組件樹的搜索，在灰度值范圍內計算區域的相對變化率，在該組件樹的分支上求得的局部最小值即是MSER區域。

（3）在二值化圖像中任意連通區域Qi中，當二值化閾值在［i-Δ，i+Δ］變化時，連通區域也相應的變化為Qi+Δ和Qi-Δ，這個變化范圍內具有極小變化率q（i）區域即是MSER。

4　MSER區域擬合的應用

在完成圖像中MSER的區域檢測后，形成的圖像不利于進行歸一化和提取特征描述，必須進行橢圓擬合。通過橢圓擬合可對區域形狀結構的位置、尺寸和方向信息進行重構［4］，以橢圓的中心作為MSER的重心，橢圓的兩個軸分別通過重心，形成兩個軸的二階中心矩在長軸和短軸方向達到最大和最小。

利用圖像矩將圖像中區域擬合成橢圓。基于矩的不變性應用是圖像矩對形狀描述的有效方式。圖像矩的定義如下：

對于圖像 I（x，y）中的某個區域 ξ，其中 （p+q）維幾何矩定義為：

（2）由于MSER是一個離散的二值化的區域，在區域內的像元值為1，區域外的圖像值為0，因此圖像（p+ q）階二維幾何矩陣轉化為：

（3）基于圖像I（x，y），利用二維幾何矩陣計算區域的重心。中心二階矩表示為：

將原點移到ξ的重心并進行計算，得到中心矩陣：

（4）橢圓區域擬合中長軸方向θ代表區域的方向，長半軸ω和短半軸ι表示區域的形狀，利用圖像中心二階矩陣U計算得：

其中，λ1和λ2為二階矩陣的兩個特征值。

在MSER的區域擬合成橢圓后，為能構造具有仿射不變性的特征描述子，需將橢圓擬合區域擴大為橢圓特征測量區，其區域一般為擬合區域尺度的3倍。擴大后的區域進行歸一化為指定大小的區域，從而可在歸一化后的區域中提取特征、描述子［5］。通過歸一化，可檢測到每個MSER橢圓形特征測量區歸一化成具有仿射不變性的局部圖像區域。

5　結語

基于目標區域的圖像檢索方法對圖像的仿射不變性具有較強的適應用性，而最大穩定極值區域（MSER）算法是目前對圖像區域提取算法中應用效果最好的技術，MSER通過對圖像內容進行分割和提取，獲取圖像中最穩定、最具代表性的特征區域檢測技術，通過提取最大穩定區域，利用SIFT描述子對區域進行向量表述，提高特征提取時間復雜度。

通過MSER檢測算法可將圖像中不規則區域轉化為橢圓形區域，實現MSER與SIFT描述子的結合，使得特征區域易于描述和匹配，但MSER并不適應于所有類型的圖像，如何實現多種不變性區域檢測子是圖像檢測技術發展的未來方向。

［1］陳濤.圖像仿射不變特征提取方法研究［D］.長沙：國防科學技術大學，2006.

［2］黃劍華.視頻圖像文本信息提取關鍵技術的研究［D］.哈爾濱：哈爾濱工業大學，2007.

［3］宋文，肖建丁.基于筆畫寬度變換的自然場景文本檢測方法［J］.計算機工程與應用，2013，49（9）.

［4］劉洋，薛向陽，路紅等.一種基于邊緣檢測和線條特征的視頻字符檢測算法［J］.計算機學報，2005，28（3）.

［5］汪文芳.基于手機終端的自然場景下的文字定位與識別［D］.西安電子科技大學，2010.

Image Feature；Maximally Stable Extremal Regions；Image Detection；Region

Research on the Application of MSER in Image Local Feature Detection

TANG Hai-lin

（Department of Computer Science，Guangdong Baiyun University，Guangzhou 510450）

1007-1423（2015）34-0007-03

10.3969/j.issn.1007-1423.2015.34.002

湯海林（1980-），男，江西九江人，碩士，講師，研究方向為圖像處理與識別

2015-11-20

2015-12-01

基于圖像斑點檢測技術具有尺度和旋轉的不變性，但對仿射不變性適應性較差，MSER是對圖像中穩定區域的檢測技術，它對圖像旋轉、尺度及仿射不變性都具有強的適應性。對MSER檢測技術的數據定義、檢測算法的實現及區域擬合的應用作詳細的分析，通過圖像中穩定區域提取，可獲得最優圖像特征因子，再通過區域的擬合，可實現橢圓區域的二階矩陣，其實現算法具有易實現、速度快、效率高的特點，該算法在目標區域和空間一致性上具有較好的應用效果。

圖像特征；MSER；圖像檢測；區域

The image speckle detection technology has the invariance of scale and rotation，but it is poor adaptability to affine invariance.MSER is a stable region detection technology，which has strong adaptability to the image rotation，scale and affine invariance.Analyzes the definition of MSER detection technology，the realization of the detection algorithm and the application of regional fitting in details.To extract the stable region in image，it can get the optimized image characteristic factor.Then by regional fitting，it can implement the second-order matrix of elliptical area.This algorithm has the characteristics of easy implementation，fast speed and high efficiency.The algorithm has better effect on the target area and space consistency.