基于特征区域的局部图像识别.pdfVIP

基于特征区域的局部图像识别 陈刚 卜佳俊 (浙江大学计算机科学学院310027) 摘要在研究图像检索与分类的系统中，主要是利用图像的局部特征进行分类。但如何识别图 像是否具有某种局部特征一直是研究的难题，文章提出一种有效的方法来识别具有鲜明 色彩的局部特征。它通过以下几个方面来描述识别的过程：1)相对颜色预处理，根据人 眼的牦最，修改图像的色彩值；2)改进的MCF色彩模型，使得颜色判断更加符合人眼 的视觉辨别习惯；3)局部特征区域提取和过滤。为了评价该方法在识别局部特征的效果， 在WIN2000上实现了识别红眼的程序，程序运行速度快，对家庭照片识别率高．程序 结果证明该方法在识别图像局部特征时有比较好的应用． 关键词混合色彩模型特征区域预处理 1引言 家庭数字照片分类和检索是最近图像处理研究的新内容。随着数码相机的普及，用户需要对 大量的数字照片作智能的检索和分类。以前的分类方法多集中在对照片之外的附加信息的检索， 或者需要人的参与【1】【3】，如何根据人或者其他事物的局部特征进行检索和识别逐渐成为一个研究 的热点。 我们的研究是为了识别出数字照片是否具有特定的局部特征，以及得到存在的区域。在描述 图像的颜色特征时，根据成色原理，HSI显然是最适合人眼的识别规律的，但HSI模型中存在无 法分类的大片色彩区域。但如果直接从HSI模型进行模式匹配，然后根据直方图来判断，识别率 不高，无法满足数字照片的分类与检索需求。 我们提出了基于特征区域的图像识别方法：先对图像进行预处理，根据象素点的周围色彩来 修改色度值，把当前分辨率下人眼无法识别、但程序能识别的刺点消除。在使用色彩模型时，使 用改进的HSI模型，MCF[2]。确定模型后，利用色度差和特征区域的检索，可以得到图像的多个 特征区域。接下来的任务是如何消除无效的特征区域，如何提高检索速度。 文章下面的结构是这样的：第二节描述了实现识别的过程，2．1阐述的是利用相对颜色进行预 处理的过程；2．2是结合MCF改进的HSI模型；2．3是结合局部特征的形状和颜色的结合，检索 得到特征区域的过程。第三节总结了实验的程序和效果，以及该方法在程序上表现的优点和局限 性。 2相对颜色预处理 人眼能识别的色彩区域限定在一定范围内，分析HSI模型中的色度直方图，发现计算机视觉 565 处理的过程比人眼的识别要精确的多，因此当我们要检索人眼识别的图像时，首先要消除人眼无 法识别的色彩毛刺。但人眼对颜色的敏感程度和同色象素区域的大小，以及周围象素的色彩对比 有关。比如同样是2X2的红色块，在黄色和棕色下不明显，而在黑色或者白色就非常清晰。但 是对计算机而言，每个象素都是清晰的，不存在明显不明显的问题，所以我们在实施很多根据色 彩进行图像检索的算法时，都会因为这些色彩毛刺点导致检索的误差。为了消除这些人眼无法识 别的毛刺点，我们采用非线性因子对原图像的直方图部分进行过滤，得到去掉部分毛刺的预处理 直方图。 3MCF改进的HSI模型 HSI模型是根据人对颜色识别的生理特点提出的模型，在模型中，颜色以三维变量来表示， 当S=0时，H没有意义，被置为O；当I=0时，S也被置为0。在颜色特征非常鲜明的时候，H 一般作为颜色的主特征，因此在HSI模型的颜色板中有大片的区域，H不能准确的描述象素色彩 Color 的主信息。我们采取一种更好的改进措施：MCF(MixedFeature)模型。这样构造的模型， 对颜色构成了一个新的通道，我们可以用公式(1)中的一维变量来表示每个色素的主色信息： n) V=jIHI，H2，H3…，HNW，I，j∥．，jNl＼ MCF模型扩展了根据颜色特征进行检索的有效范围。在MCF模型上检索色彩信息时，如2．1 中所述，象素点