基于对象语义的图像分割和分类方法.pdfVIP

2006 年8 月 重庆大学学报（自然科学版） Aug. 2006 第29 卷第8 期 JournaI of Chongging University （NOturOI science Edition ） VoI. 29 No. 6 文章编号：1000 - 582X（2006 ）08 - 0098 - 04 基于对象语义的图像分割和分类方法* 徐 驰，徐燕凌 （同济大学软件学院，上海 201804 ） 摘 要：提出一种基于对象语义的图像分割和分类方法. 建立多层级区域生长算法~RGseg 对图像 进行分割，从而去除“弱对象语义”细节，降低过度分割的影响. 在此基础上，提取颜色、边缘、纹理等低 层次特征作为特征向量，并利用支持向量机建立样本训练机制，实现低层次特征向高层对象语义的映 射. 实验中，采用层次化分类机制，取得了较理想的结果. 关键词：对象语义；图像分割；支持向量机；语义分类 中国分类号：TP391 文献标识码：A 基于内容的图像检索研究在早期主要有2 个发展 拓扑模型［8 ］，见图1（a ）. 该模型由多级“岛”组成：其 方向：基于低层次全局特征的图像检索方法和基于区 中，“0 级岛”包含7 个像素，“! + 1 级岛”由7 个交叠 域的图像检索方法. 前一种方法通过将图像信息抽象 的“! 级岛”组成. 根据图像像素排列的特征，通过坐标 为包括颜色、纹理、形状等方面的特征集［1］，建立特征 平移和伸缩将上述拓扑结构转化成多级直角“像素 相似度匹配，实现图像检索［2 - 3 ］. 它计算复杂度低，但 岛”结构，见图1（b ）. 不能充分表达图像丰富的语义信息，造成“语义鸿 1. 2 分割算法描述 ［4 ］. 后一种方法致力于解决前者的局限性，通过分 该算法主要分3 个阶段： 沟” 割将图像划分成若干区域，并从区域提取特征向量，依 1 ） 始化 据制定的相似度计算规则，对备选图像进行相似度排 设阈值向量Vt = （GrayscaIe_ThreshoId ，~ue_ 序［5 - 6 ］. 这种方法潜在的问题包括：1 ）过度分割导致无 法准确地刻画图像语义特性；2 ）基于区域提取的特征 向量缺乏向高层语义映射的机制. 为获取更加贴近用户感知的查询方法，提高图像 检索的准确度，近年来的研究更多地转向基于区域和 目标对象相结合的高层语义特征的提取和分析［7 ］. 这 其中，图像分割聚集了具有相似颜色、纹理等属性的像 素，是图像对象语义分析的前提和关键，而语义分类方 法的选择直接决定着此后图像检索的效果. 文中利用 多级六边形拓扑模型，构建了一种基于多级区域生长 的图像分割算法（~ierarchicaI Region Growing segmen- tation ，~RGseg ），通过融合区域和整体的信息，能够较 好地保留原始图像的语义信息，并降低过度分割的影 响. 在此基础上，对颜色、边缘等低层次特征进行提取， 并用支持向量机（sVM ）原理实现图像中包含对象语 义区域的层次化分类. 1 多级区域生长图像分割算法（~RGseg ） 1. 1 模型依据 图1 多级六边形拓扑模型 ~RGseg 算法利用了~artmann 提出的多级六边形 * 收稿日期：2006 - 04 - 07 作者简介：徐驰（1981 - ），男，陕西乾县人，同济大学硕士研究生，主要从事图像处理、软件工程方向研究. 第29 卷第8 期 徐 驰，等： 基于对象语义的图像分割和分类方法 99 ThreshoId ，…），对“0 级像素岛I0