基于形态特征提取图像匹配搜索技术研究.docVIP

基于形态特征提取图像匹配搜索技术研究 　　摘 要：传统的图像搜索方法一般是由图像处理软件自动抽取图像的颜色、形状、纹理等特征，并以此建立特征索引库，进而由用户输入要查找的物品图像，从而找出与之具有相近特征的图像。而文中给出了从数学形态学的角度来提取图像的关键形态特征，然后建立海量物品图片的形态细化骨架库，并以此简化图像搜索的关键内容，降低数据库存储量，提高匹配效率以及准确性的具体方法。 　　关键词：数学形态；特征提取；骨骼细化；图像搜索 　　中图分类号：TP391 文献标识码：A 文章编号：2095-1302（2013）11-0016-03 　　0 引 言 　　目前大家比较熟悉的网络搜索引擎技术，大多是基于文字的检索。不论是文章的查询、图片的搜索、音乐的查找甚至视频的检索，都是通过文字以及关键词的描述或者标引实现的。对于关键词的文字搜索其缺点在于对多媒体信息描述上，??文字描述难以避免主观性。特别是在网络购物中，在海量商品库中通过关键词的查找很难找到自己所需要的物品，因而基于图像的搜索技术应运而生。 　　传统的图像搜索方法一般是由图像处理软件自动抽取图像的颜色、形状、纹理等特征，建立特征索引库，用户输入要查找的物品图像，就可以找出与之具有相近特征的图像。本文从数学形态学的角度来提取图像的关键形态特征，建立海量物品图片（（含bmp、jpg、gif等静态图片格式）的形态骨架库，以此简化图像搜索的关键内容，降低数据库存储量，提高匹配效率以及准确性。 　　1 数学形态学的基本原理 　　数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具，它摒弃了传统的数值建模及分析的观点，从集合的角度来刻画和分析图像，可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。数学形态学已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。 　　数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构，适合当前网络搜索技术中对图像内容搜索的需要。 　　数学形态学的基本运算主要有四个，包括腐蚀（Erosion）、膨胀（dilation）、开运算（open operation）、闭运算（close operation）。它们在二值图像中和灰度图像中各有特点。下面对这几个算法的原理进行介绍，并给出实验结果。 　　1.1 腐蚀（Erosion） 　　把结构元素B平移a后得到B[a]，若B[a]包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀的结果。用公式表示为： 　　下面以鞋子图像为例，给出如图2所示的腐蚀结果，实际上也就是要搜索的鞋子示意图（图像大小136×136像素，BMP格式）。 　　（a） 原始图片 （b） 腐蚀图片 　　1.2 膨胀（dilation） 　　膨胀可以看做是腐蚀的对偶运算，其定义是：把结构元素B平移a后得到B[a]，若B[a]击中X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为： 　　1.3 开运算（open operation） 　　先腐蚀后膨胀称为开运算，如图4所示。上面的两幅图中的左边是被处理的图像X（二值图像，这里主要针对的是黑点），右边是结构元素B；下面的两幅图中的左边是腐蚀后的结果，右边是在此基础上膨胀的结果。可以看到，原图经过开运算后，一些孤立的小点被去掉了。 　　一般来说，开运算能够去除孤立的小点、毛刺和小桥（即连通两块区域的小点），而总的位置和形状不变，这就是开运算的作用。 　　1.4 闭运算（close operation） 　　先膨胀后腐蚀称为闭运算，如图5所示。图5中上面的两幅图中，左边是被处理的图像X（二值图像，我们针对的是黑点），右边是结构元素B；下面的两幅图中，左边是膨胀后的结果，右边是在此基础上腐蚀的结果可以看到。可见，原图经过闭运算后，断裂的地方被弥合了。 　　一般来说，闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。这就是闭运算的作用。图6展示了二值图和灰度图利用圆盘状结构元素进行闭运算的结果。 　　（a） 开运算 （b） 闭运算 　　1.5 击中击不中变换HMT（Hit-Miss Transform） 　　将形态学运算推广到更为一般的情况，实际上就演变为条件严格的模板匹配。这时结构元素不仅含有物体点，而且还含有背景点，只有当结构元素与所对应的区域完全符合时，才作为结果输出到输出图像。