一種基于紋理特征匹配的快速目標分割算法

楊永全

(西安工程大學 計算機科學學院,陜西 西安 710048)

一種基于紋理特征匹配的快速目標分割算法

楊永全

(西安工程大學 計算機科學學院,陜西 西安 710048)

雖然固定尺度變化分解窗口的目標分割算法分割效果好,但時間效率不高。針對這一缺陷,提出一種依據查詢窗口和被查詢子窗口的紋理特征距離信息,分等級尺度變化分解窗口的算法思想。在當前循環層中,如果查詢窗口和被查詢子窗口的紋理特征距離比設定的閾值λ越大,分解窗口在下一次循環中減小的尺度d就越大,反之則越小。經實驗驗證,該算法能有效提高基于紋理特征匹配的目標分割算法效率,在分割精度上基本保持不變。

固定尺度變化分解窗口；分等級尺度變化分解窗口；紋理特征匹配；目標分割

0 引言

雖然人們對紋理的研究已有幾十年,但至今難以對紋理給出一個統一、準確的定義。一般來說,現實世界中的物體圖像并不呈現區域的均勻性,圖像的紋理由重復的模式組成,這種重復模式的紋理元素按某種規則排列。目前較系統的紋理特征描述方法分為4類[1]：基于統計的方法、基于結構的方法、基于信號處理的方法和基于模型的方法。圖像處理中紋理分析是一個非常基礎而關鍵的問題,在許多圖像內容分析應用中起重要作用。

經典的基于紋理特征匹配的目標分割方法中,多數算法都是基于分解框架的。這些方法將圖像分解成大小為16×16、32×32像素或其它大小像素的子窗口,然后提取每個子窗口的紋理特征。此后將每個子窗口和查詢圖像的紋理特征進行匹配。如果距離在設定的閾值范圍內,則該子窗口被認為是相關的。這種方法難點是如何確定分解窗口大小,如果窗口太大,那么一個窗口中可能包含多種紋理；如果窗口太小,則被查詢的紋理又不能被識別出來,因此該方法會出現窗口漏檢及邊界范圍等問題。

為此,提出了變化分解窗口的目標分割算法[2],其基本思想是：①先確定一個主窗口大小；②以該主窗口大小將圖像分解成若干個子窗口并提取每個子窗口的紋理特征；③將每個子窗口和查詢圖像的紋理特征進行匹配,并標記相關子窗口；④將主窗口減小固定的d個像素,重復前3個步驟直到主窗口大小小于設定的主窗口閾值。變化分解窗口方法很好地克服了經典方法中的窗口漏檢及邊界范圍等問題,其最大的優點是提出了變化分解窗口的分割算法,使得目標匹配更為靈活。

即便如此,其仍然存在以下缺點：

首先變化分解窗口的紋理特征匹配分割算法在特征匹配過程中會產生許多子窗口,相比經典的特征匹配分割算法,其算法時間效率明顯不具備優勢。該算法的主要目的是使目標匹配更為靈活,然而主窗口大小以固定像素變化,這是造成算法時間效率不高的主要原因。而且該算法還忽略了一個重要信息,就是查詢窗口和被查詢子窗口的紋理特征距離。綜上分析,本文提出根據查詢窗口和被查詢子窗口的紋理特征距離信息,分等級變化主窗口大小的算法思想。實驗驗證表明,該方法能有效提高變化分解窗口的基于紋理特征匹配的目標分割算法效率,且不影響分割精度。

1 快速目標分割算法

分等級變化主窗口大小算法主要思想是：當距離小于設定閾值時具有最高等級；當距離大于設定閾值時,差異越大等級越低；等級越低,變化尺度d越大；變化主窗口時優先選擇高等級下的像素尺度d對主窗口大小進行變化。窗口紋理特征提取方法選用[3]紋理特征描述算子。該算子是Ojala等人提出的,以后持續改進[4-7]。該方法計算復雜度小,具有多尺度特性和旋轉不變等特性。

算法描述如下：

(1)選擇坐標點α。

(2)確定主窗口(MW)(從α到圖像的右下角)。

(3)用相同大小的MW生成盡可能多的窗口(Window)。

(4)For each Window：①計算窗口紋理特征直方圖；②計算窗口紋理特征直方圖和查詢紋理特征直方圖的距離Dis；③如果Dis小于設定的閾值λ,則保存該窗口的坐標和其特征直方圖到一個向量V中,MW變化等級最高；如果Dis大于等于設定的閾值λ,差異越大，MW變化等級越低；MW變化等級越低,MW減小的尺度d就越大。

(5) 優先考慮使用較高等級的尺度d減小MW。

(6) 如果MW的大小小于設定的最小窗口大小μ,標記保存的那些窗口后退出程序。

(7)否則跳轉到(3)。

主窗口是從坐標點α到圖像的右下角,例如如果選擇α(0,0),則整個圖像作為主分析窗口,如圖1所示。

圖1 主窗口特征提取

算法在外層循環中會重復更新主窗口大小,然后生成盡可能多的窗口，與主窗口同樣大小。對于每個窗口都會計算其特征直方圖,然后計算窗口紋理特征直方圖與查詢紋理特征直方圖的距離Dis。Dis采用Minkowski計算距離。 如果Dis小于設定的閾值λ,則認為該窗口相關并把它歸為查詢紋理的一類。將該窗口的坐標和特征直方圖保存到向量Vi=[X,Y,Height,Width,Hist]。其中X,Y,Height,Width分別是窗口左上角坐標(X,Y)窗口的高Height及寬Width,Hist則是窗口的特征直方圖。

算法的匹配分割如圖2所示,其中(a)為查詢目標圖像,(b)為測試圖像,(c)為目標分割結果。

圖2 算法的匹配分割

圖3描述了外層循環流程,每一步驟中,主窗口的大小減小d并生成了和主窗口大小更新后相同的一些窗口,對于每個窗口都會計算其特征向量V。循環結束的條件是主窗口大小達到了設定的主窗口大小閾值μ。每個步驟主窗口減小的尺度d是由當前循環層中確定的MW變化等級決定的。

該算法的優點是在保留變化分解窗口的同時實現了對目標的快速定位,從而提高了算法效率,且對于圖像中存在多個目標或目標位置較邊緣的情況均有較強的適應性能。該算法對特征的提取沒有任何限制,因此不同的紋理特征提取方法都可以應用到該算法中。

圖3 算法外層循環流程

2 實驗結果分析及性能評價

為了評價分等級變化窗口算法結果,使用了4幅由不同紋理組合而成的圖像作為測試圖像,如圖4所示。從上到下、從左到右每幅圖像所包含的紋理數分別是5、5、4和2。

圖4 測試圖像

分別對圖4中的4幅測試圖像進行目標分割。傳統的基于紋理特征匹配的目標分割算法結果如圖5所示,變化分解窗口基于紋理特征匹配的目標分割算法結果如圖6所示,本文算法的分割結果如圖7所示。其中,傳統的基于紋理特征匹配的分割算法分解窗口尺度為32×32像素,圖6和圖7中tc表示算法時耗,單位為毫秒。

圖5 固定分解窗口的基于紋理特征匹配的目標分割算法分割結果

圖6 變化分解窗口的基于紋理特征匹配的目標分割算法分割結果

圖7 本文算法的分割結果

從圖5可以看出,傳統基于紋理特征匹配的目標分割算法存在一些紋理未被識別,有些圖像在邊界檢測上而另一些則在范圍上存在問題。因此固定大小為32的窗口可能不是最好的方法。

對比圖5、圖6及圖7可以看出,相比傳統的基于紋理特征匹配的目標分割算法,變化分解窗口算法取得了非常好的效果。傳統算法的弱點(邊界問題、范圍問題),在變化分解窗口的算法中都得到了很好的解決。

本文算法和變化分解窗口的基于紋理特征匹配的目標分割算法時間效率對比見表1,表1中A1代表變化分解窗口的基于紋理特征的匹配目標分割算法,A2代表本文算法,IR(Improvement Ratio)表示A2算法時間效率的提高比例。

表1 算法時間效率對比

從圖6、圖7及表1可以看出,與變化分解窗口的基于紋理特征匹配的目標分割算法相比,本文算法在分割精度上幾乎保持一致,在時間效率上具有明顯優勢,時間效率平均提高了51.6%。

3 結語

針對變化分解窗口的基于紋理特征匹配的目標分割算法分割效果好,但時間效率不高的缺點,本文提出了依據查詢窗口和被查詢子窗口的紋理特征距離信息,分等級變化分解窗口的算法思想。經實驗驗證,該算法能有效提高變化分解窗口的基于紋理特征匹配的目標分割算法時間效率,且能夠在分割精度上基本保持不變。將本文算法應用到視覺目標跟蹤過程中,用于去除復雜背景將是后續的研究方向。

[1] TUCERYAN M,JAIN A K.Texture analysis[J].Singapore:World Scientific,1999(2):207-248.

[2] IZEM HAMOUCHENE.A new segmentation architecture for texture matchingusing the LBP method[C].Science and Information Conference 2013,London,UK,2013：411-415.

[3] OJALA T.Multi-resolution gray-scale and rotation invariant texture classification with local binary patterns[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,2002,24(7):971-987.

[4] 宋克臣,顏云輝,陳文輝,等.局部二值方法研究與展望[J].自動化學報,2013(6)：3-6.

[5] GUO Z H.A completed modeling of local binary pattern operator for texture classification[J].IEEE Transactions on Image Processing,2010,6(19):1657-1663.

[6] 賀永剛.基于局部二值模式的紋理表達研究[D].武漢：華中科技大學,2012:27-58.

[7] 劉豪,楊永全,郭仙草,等.用于紋理特征提取的改進的LBP算法[J].計算機工程與應用,2014,50(6)：156-161.

(責任編輯：杜能鋼)

楊永全(1986-),男,四川南充人,西安工程大學計算機科學學院碩士研究生,研究方向為圖像處理及模式識別。

10.11907/rjdk.162375

TP312

A

1672-7800(2017)003-0051-03