圖像直方圖特征及其應(yīng)用研究.pdf

1、圖像直方圖由于其計(jì)算代價(jià)較小，且具有圖像平移、旋轉(zhuǎn)、縮放不變性等眾多優(yōu)點(diǎn)，廣泛應(yīng)用于圖像處理的各個(gè)領(lǐng)域，特別是灰度圖像的閾值分割、基于顏色的圖像檢索以及圖像分類(lèi)。
　　圖像分割是圖像識(shí)別的基礎(chǔ)，對(duì)圖像進(jìn)行圖像分割，將目標(biāo)區(qū)域從背景區(qū)域中分離出，可以避免圖像識(shí)別時(shí)在圖像上進(jìn)行盲目的搜索，大大提高圖像識(shí)別的識(shí)別效率以及識(shí)別準(zhǔn)確率?；诨叶戎狈綀D的閾值分割計(jì)算簡(jiǎn)單，適合于目標(biāo)與背景分布于不同灰度范圍的灰度圖像，特別是遙感圖像。
　

2、　圖像檢索是指快速有效地從大規(guī)模圖像數(shù)據(jù)庫(kù)中檢索出所需的圖像，是目前一個(gè)非常重要又富有挑戰(zhàn)性的研究課題。顏色特征由于其直觀性、計(jì)算代價(jià)較小等優(yōu)點(diǎn)，在圖像檢索中扮演著重要的角色，早期的圖像檢索算法也主要利用顏色特征，特別是顏色直方圖。
　　圖像分類(lèi)任務(wù)主要是指對(duì)一組圖像進(jìn)行一系列自動(dòng)處理，最終確定圖像所屬的類(lèi)別。圖像分類(lèi)具有廣泛的應(yīng)用前景，是計(jì)算機(jī)視覺(jué)的熱點(diǎn)難點(diǎn)問(wèn)題。針對(duì)圖像分類(lèi)的算法眾多，其中以基于bag-of-words模型的方

3、法最為經(jīng)典有效。該方法首先利用提取的顏色、形狀等特征構(gòu)建視覺(jué)詞典，然后在圖像上統(tǒng)計(jì)視覺(jué)詞的直方圖，最后利用視覺(jué)詞直方圖作為特征運(yùn)用分類(lèi)器（例如非線性的SVM分類(lèi)器）進(jìn)行分類(lèi)決策。
　　對(duì)于應(yīng)用于圖像分割的灰度直方圖，現(xiàn)有的灰度直方圖形狀容易受到噪聲干擾，構(gòu)建在其上的分割算法魯棒性不足，迫切需要研究一種能消除噪聲干擾且適應(yīng)能力強(qiáng)的灰度直方圖圖像分割方法;對(duì)于應(yīng)用于圖像檢索的顏色直方圖，傳統(tǒng)顏色直方圖描述方法存在特征維數(shù)高、受光照影響

4、、不能表達(dá)相近顏色間相關(guān)性及丟失空間位置信息的問(wèn)題。因此，需要研究綜合考慮多種因素的顏色直方圖方法;對(duì)于應(yīng)用與圖像分類(lèi)的基于bag-of-words模型構(gòu)建的構(gòu)建視覺(jué)詞直方圖，現(xiàn)有的基于bag-of-words的方法在視覺(jué)詞的構(gòu)造、直方圖的統(tǒng)計(jì)上仍存在不足之處，使得最終得到的視覺(jué)詞直方圖不能很好地表達(dá)圖像類(lèi)別特征，因此需要研究新的基于bag-of-words的算法解決這些問(wèn)題。
　　本文具體研究了灰度直方圖、顏色直方圖、視覺(jué)詞直方

5、圖以及構(gòu)建在這些直方圖上的圖像分割、圖像檢索、圖像分類(lèi)應(yīng)用。主要研究工作如下:
　　1.針對(duì)一維閾值分割算法適應(yīng)性差、容易受噪聲干擾，二維閡值分割算法計(jì)算復(fù)雜度高的問(wèn)題，提出一種基于區(qū)域劃分的灰度直方圖綜合閡值分割算法。該算法利用像素灰度以及鄰域均值組成二維空間，在此二維空間上利用區(qū)域劃分的方法來(lái)構(gòu)造一維直方圖，再綜合最小誤差、最大熵以及最大類(lèi)間方差(Otsu)三種經(jīng)典的分割算法，構(gòu)造新的閾值選取方法，最后利用獲取的閾值指導(dǎo)圖像分

6、割。實(shí)驗(yàn)結(jié)果表明，本文提出的算法對(duì)比經(jīng)典的一維閾值分割算法具有更強(qiáng)的適應(yīng)性，以及穩(wěn)健的抗噪性;同時(shí)與二維Otsu算法相比，適應(yīng)的噪聲種類(lèi)更多，算法的計(jì)算復(fù)雜度小很多。
　　2.傳統(tǒng)的顏色距離度量通常采用最簡(jiǎn)單的歐式距離度量方式，但在HSV顏色空間上，由于各分量對(duì)顏色的貢獻(xiàn)程度不同（H分量對(duì)顏色貢獻(xiàn)度最大，S分量其次，V分量最?。?，因此這種簡(jiǎn)單的顏色距離度量方式不能很好地移植到此空間上。針對(duì)這一問(wèn)題，本文提出參數(shù)化的HSV顏色空間距

7、離，通過(guò)參數(shù)的差別來(lái)區(qū)別不同分量。然后人工標(biāo)注顏色對(duì)間的距離的相對(duì)大小，并利用基于pair-wise的學(xué)習(xí)方法訓(xùn)練已標(biāo)注的數(shù)據(jù)，最終學(xué)習(xí)出距離公式中的各參數(shù)，得到適合HSV空間的參數(shù)化的顏色空間距離公式。
　　3.針對(duì)傳統(tǒng)顏色直方圖存在計(jì)算維數(shù)高、易受亮度變化影響、相近顏色缺少相關(guān)性以及丟失空間位置信息四個(gè)問(wèn)題，提出一種基于聚類(lèi)的空間顏色直方圖方法。該方法首先對(duì)圖像進(jìn)行k-均值聚類(lèi)，然后在聚類(lèi)圖上統(tǒng)計(jì)考慮空間位置分布的空間顏色直方

8、圖。同時(shí)，通過(guò)人工標(biāo)注數(shù)據(jù)方法訓(xùn)練出HSV顏色空間的參數(shù)化距離公式，并在此之上給出空間顏色直方圖的相似度匹配算法。實(shí)驗(yàn)表明，該方法實(shí)現(xiàn)簡(jiǎn)單，較好地反映了圖像顏色特征，基于本文算法的圖像檢索效果比傳統(tǒng)方法有所提高。另外，該方法適應(yīng)性強(qiáng)，可根據(jù)需要標(biāo)注相應(yīng)的數(shù)據(jù)進(jìn)行訓(xùn)練，從而滿足多樣性的主觀顏色相似需求。
　　4.bag-of-words是圖像分類(lèi)的經(jīng)典方法，其核心問(wèn)題是視覺(jué)詞如何選擇以及如何統(tǒng)計(jì)視覺(jué)詞直方圖。本文提出一種基于視覺(jué)詞直