周霞

摘要：在圖像處理技術(shù)領(lǐng)域中是最重要的環(huán)節(jié)就是圖像匹配，基于特征的匹配方法涉及特征的選定和提取。常用的方法是對圖像進(jìn)行分割子塊后以點(diǎn)特征，線特征，面特征進(jìn)行特征提取，本文主要對圖像特征在區(qū)域范圍內(nèi)的顏色、紋理、形狀三種特征的選定與特征提取方法進(jìn)行分析與比較?？偨Y(jié)出為了提高圖像匹配的準(zhǔn)確性，一般會使用多種提取方法同時應(yīng)用同一特征上。

關(guān)鍵詞：圖像檢索 特征提取 邊緣檢測

中圖分類號：TP39 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）11-0049-01

1 引言

隨著多媒體技術(shù)及網(wǎng)絡(luò)的迅速發(fā)展，我們的日常生活也發(fā)生了很大的變化，大家每天都會從四面八方收到各類信息，而其中收到最多的是圖像類信息，并且這些信息都是沒有任何規(guī)律可言的，如果不能完全讀取與利用圖像中的所有有效信息，就會給我們信息處理帶來難度。這就要求有一種能夠快速而且準(zhǔn)確地查找訪問圖像的技術(shù)即圖像檢索技術(shù)。

圖像檢索技術(shù)經(jīng)歷了基于關(guān)鍵字檢索技術(shù)、基于內(nèi)容檢索技術(shù)與基于區(qū)域檢索技術(shù)三種方法[1]。其中基于關(guān)鍵字的檢索，效率較低，得不到令人滿意的檢索結(jié)果；基于內(nèi)容的圖像檢索方法是根據(jù)圖像的顏色、紋理、形狀等視覺上的特征進(jìn)行信息提取，然后對提取到的這些特征矢量進(jìn)行匹配。可圖像的視覺內(nèi)容不易識別。比如顏色為藍(lán)白的海洋與天空兩幅圖像，如果用特征提取，則取得的結(jié)果是相似的，可內(nèi)容是不同的；本文中基于區(qū)域圖像檢索技術(shù)是先對圖像表示進(jìn)行分割，對分割后區(qū)域中的特征來表示圖像的內(nèi)容，從而增強(qiáng)了圖像對內(nèi)容的識別與感知能力。

2 特征提取

特征提取是圖象處理中的一個初級運(yùn)算，它是眾多計(jì)算機(jī)圖像分析算法的基點(diǎn)。特征的選取直接決定一個算法是否成功。

2.1 顏色特征提取

一般顏色特征是基于像素點(diǎn)的特征，圖像或圖像區(qū)域中的所有像素都參與進(jìn)來。由于顏色對圖像或圖像區(qū)域的方向、大小等變化不敏感，所以顏色特征不能很好地捕捉圖像中對象的局部特征。其中顏色直方圖是最常用的表達(dá)顏色特征的方法，其優(yōu)點(diǎn)是不受圖像旋轉(zhuǎn)和平移變化的影響，基缺點(diǎn)是沒有表達(dá)出顏色空間分布的信息[2]。

在1976年，國際照明委員會推出了CIE1976LUV空間和CIE1976Lab空間兩種均勻色標(biāo)制，其中LUV是一種獨(dú)立于設(shè)備的均勻顏色空間模型，它在人類的感官上分布相當(dāng)一致，所 以本文以LUV顏色空間進(jìn)行分析。其中L代表亮度信息，U和V代表色度信息。在CIELUV空間里，兩點(diǎn)的歐式距離表示了兩點(diǎn)間的色度差異，其與CIEXYZ顏色空間中的X，Y，Z值的轉(zhuǎn)換公式如下：

其中Xn，Yn，Zn是標(biāo)準(zhǔn)白光的三個刺激值。它與RGB顏色空間的轉(zhuǎn)換公式如下：

轉(zhuǎn)換矩陣[A]決定于顯示設(shè)備所采用的三種熒光粉的色度坐標(biāo)和標(biāo)準(zhǔn)光源?；趨^(qū)域的圖像顏色特征選取對每一小塊提取顏色特征，三個顏色特征分別是L，U，V三顏色在各塊分布的一階矩。

2.2 紋理特征提取

一幅圖像的紋理是在圖像計(jì)算中經(jīng)過量化的圖像特征。圖像紋理描述圖像或其中小塊區(qū)域的空間顏色分布和光強(qiáng)分布。紋理特征的優(yōu)點(diǎn)是：具有旋轉(zhuǎn)不變性，對于噪聲有較強(qiáng)的抵抗能力；缺點(diǎn)是：當(dāng)圖像的分辨率變化的時候，所計(jì)算出來的紋理可能會有較大偏差。紋理特征描述方法有統(tǒng)計(jì)法、模型法、結(jié)構(gòu)法、信號處理法四種。[3]

（1）統(tǒng)計(jì)法是基于像元及其鄰域的灰度屬性，研究紋理區(qū)域中的統(tǒng)計(jì)特性，或像元及其鄰域內(nèi)的灰度的一階、二階或高階統(tǒng)計(jì)特性。

（2）模型法是以某種參數(shù)控制的分布模型方式形成的，從紋理圖像的實(shí)現(xiàn)來估計(jì)計(jì)算模型參數(shù)，以參數(shù)為特征或采用某種分類策略進(jìn)行圖像分割。比如馬爾可夫隨機(jī)場、子回歸模型這兩種基于隨機(jī)場統(tǒng)計(jì)學(xué)的方法。這些模型是通過少量的參數(shù)表征來表示紋理。

（3）結(jié)構(gòu)法是基于“紋理基元”分析紋理特征，著力找出紋理基元，認(rèn)為紋理由許多紋理基元構(gòu)成，不同類型的紋理基元、不同的方向及數(shù)目等，決定了紋理的表現(xiàn)形式。

（4）信號處理法是建立在時、頻分析與多尺度分析基礎(chǔ)之上，對紋理圖像中的某個區(qū)域?qū)嵭心撤N變換后，借助于頻率特性來描述紋理特征，使用最多的有傅里葉功率譜法、塔式小波變換、樹式小波變換、Gabor變換等方法。

2.3 形狀特征提取

形狀特征是圖像的重要視覺特征之一，圖像的形狀信息不隨圖像顏色、紋理、背影的變化而變化，具有平移旋轉(zhuǎn)尺度不變性，是物體穩(wěn)定的特征，因此可以利用形狀特征，實(shí)現(xiàn)對形狀特征比較明顯的各類圖像庫的檢索?，F(xiàn)在用于圖像檢索的形狀特征提取方法有兩種，一種是區(qū)域特征，另一種是輪廓特征。

（1）基于形狀區(qū)域的特征提取是以形狀區(qū)域內(nèi)的信息作為特征提取的一種基礎(chǔ)算法，比較經(jīng)典的有基于形狀矩的算法與通用傅里葉描述符等。

（2）基于輪廓的形狀特征提取首先提取形狀的封閉輪廓，再對該輪廓進(jìn)行等面積重采樣。而后選擇輪廓上的任意一點(diǎn)作為分割起點(diǎn)，將進(jìn)行輪廓等點(diǎn)數(shù)間隔的分割。

3 圖像特征提取方法的比較

顏色特征提取方法的優(yōu)點(diǎn)：顏色特征是一種全局特征，它描述了圖像或圖像區(qū)域所對應(yīng)的景物的表面性質(zhì)。對一幅圖像中顏色的全局性的分布，它能簡單描述出來，不同顏色的布局在整幅圖像中所占到的比例，顏色特征很適合描述難以自動分割的圖像，以及對不需要考慮圖像中物體的空間位置的分布。其缺點(diǎn)：它無法對圖像中產(chǎn)生的局部分布進(jìn)行描述。[4]

圖像紋理特征提取方法的優(yōu)點(diǎn)：紋理通常定義為圖像的某種局部性質(zhì)。紋理特征是從紋理圖像中計(jì)算出來一個值，它對紋理內(nèi)部灰度級變化的特征進(jìn)行量化。相比顏色特征提取不會因?yàn)榫植康囊恍┢疃ヅ涫?。通常紋理特征與紋理的位置、走向、尺寸、形狀有關(guān)。其缺點(diǎn)：當(dāng)圖像的像素分辨率變化明顯時，得到的紋理特征偏差就會明顯增大。

形狀特征提取的優(yōu)點(diǎn)：對圖像中某個需要的部分來進(jìn)行研究，圖像目標(biāo)的整體性把握良好。其缺點(diǎn)：若圖像上的目標(biāo)發(fā)生變形，則描述的穩(wěn)定性會大大下降，同時由于形狀特征也具有全局性，對其計(jì)算時間和存儲所用的空間要求比較高。

4 結(jié)語

圖像特征提取方法由于具有較高的提取效率，所以得到了廣泛的應(yīng)用。目前圖像特征提取技術(shù)得到了越來越多人的關(guān)注，但是仍存在不足和有待解決的問題，對經(jīng)典方法的改進(jìn)和提出更新的方法是目前研究者努力的方向。圖像特征提取的每一種方法都各有優(yōu)勢，也有其不可克服的缺陷，一般在條件允許的情況下，使用多種提取方法同時應(yīng)用同一特征的提取可以提高準(zhǔn)確性。

參考文獻(xiàn)

[1]孫即祥.圖像處理[M].北京：科學(xué)出版社，2010.

[2]高美真，申艷梅.基于顏色直方圖的圖像檢索技術(shù)[J].微電子學(xué)與計(jì)算機(jī)，2008（04）.

[3]尼克松.特征提取與圖像處理[M].北京：電子工業(yè)大學(xué)出版社，2010.

[4]翟俊海，趙文秀.圖像特征提取研究.河北大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，29（1）：106-110.