一种新颜色量化算法.docVIP

一种新颜色量化算法 　　【摘 要】笔者在借鉴以往算法思想的基础上，提出了一种新的颜色量化算法。实验证明，在HSV色彩空间中，所提算法在视觉上更为合理。算法结合了模糊理论，将量化边界处模糊化，进行第一次颜色量化，并将颜色量化结果进行二次聚类。大量图像实验表明，此种量化方法既符合人眼的视觉特征，又能有效降低颜色直方图中的冗余信息。 　　【关键词】色彩空间；颜色量化；模糊聚类 　　一幅彩色图像包含多种颜色，如果直接提取图像的颜色特征，存储量和计算量将非常大。所以，在提取颜色特征之前，为了减少颜色特征的维数，通常先对颜色进行量化。颜色量化效果的好坏，将直接影响检索结果的精度。本研究将结合基于HSV色彩空间的量化和基于色彩频度的量化思想，提出一种新的颜色量化算法。 　　一、量化算法的基本思想 　　由于颜色空间本身的连续性，一幅彩色图像包含多种颜色，如果直接提取图像的颜色特征，存储量和计算量将非常大。所以，为了减少颜色特征的维数，通常在提取颜色特征之前先对颜色进行量化。量化的基本思想是以量化点颜色为轴心，把与该颜色相似的颜色归并到这一类，在最低平均方差下聚类出最少数目的颜色。[ keun-Chang Kwak，Witold Pedrycz.Face Recoion Lgnition： A Study in Information Fusio Using Fuzzy Intergral[J].Pattern Recognition Leters，2005（26）：719-733.]一次量化算法产生的颜色类别较多，结果并不适合实际颜色情况，如“黄”色，在实际生活中可能反映为浅黄、深黄、橘黄等，这几个应该聚为一类的颜色在初次聚类时可能被分成了几类。因此，本研究将采用颜色量化最常用的HSV色彩空间和张磊的量化思想[ Zhang Lei，Lin Fuzong，Zhang Bo. A CBIR Method Base on Color-Spatial Feature[A].IEEE Region 10 Annual International Conference 1999，Cheju，Korea，1999：166-169.]，结合模糊理论的相关思想，针对不同颜色之间存在的相似性，设计一种新的颜色量化算法。此过程分两步完成：（1 ）改进张磊提出的量化算法，完成一次量化。（2）基于实验的二次模糊聚类。 　　一次量化算法产生的颜色类别较多，结果并不适合实际颜色情况，如“黄”色，在实际生活中可能反映为浅黄、深黄、橘黄等，这几个应该聚为一类的颜色在初次聚类时可能被分成了几类。因此，本研究将借助大量的图像进行实验，最后完成符合颜色表现特点的量化。由于这个过程是通过用大量的实际图像进行实验得到，因此量化结果具有很高的可信度，也是最切合实际的做法。 　　二、 基于边界模糊化的量化算法 　　基于人类视觉对颜色的感知特性，张磊对HSV颜色空间进行了分析，并给出了量化公式.张磊的量化算法同时考虑了H、S和V上的不等间隔量化，将近似的颜色更好地“聚”在一起。但这种算法是一种硬划分。如果两种看似很相近的颜色的某一分量恰好处于量化区间的分界处，则很容易被分成两类。为解决这一问题，本研究在张磊算法的基础上，引入模糊理论，对量化分界点进行模糊划分。 　　扎德（L.A.Zadeh）于1965年提出了模糊集合的概念[ Zadeh L A. Fuzzy sets[C].Information and Control，1965：338-353.]，他用隶属函数（Membership Function）来刻画处于中介过渡的事物对差异双方所具有的倾向性。隶属函数被认为是普通集合中特征函数的推广。 　　论域X上的模糊集合由隶属函数来表征，其中 在实轴的闭区间[0，1]上取值，的值反映了X中的元素x对于的隶属程度。模糊集合完全由隶属函数所刻画。的值接近1，表示x隶属于的程度很高；的值接近于0，表示x隶属于的程度很低；当的值域为{0，1}二值时，演化为普通集合的特征函数，便演化成一个普通集合A。 　　在模糊划分（Fuzzy Partition）高新波.模糊聚类分析及应用[M].西安：西安电子科技大学出版社，2004：9-10.]中，样本集X被划分为C个模糊子集，，…，，而样本的隶属函数uik的值域由0，1两个离散值扩展到[0，1]区间，满足： 　　（1） 　　根据以上理论，对HSV空间中的任一颜色分量，设量化分界点为Ti，Ti两边的量化区间为和，此分界点附近的模糊区间为[-?%^，?%^]，量化数据xi到分界点的距离为di，则当时，此量化数据的隶属函数uik取值为： 　　即可认为有部分属于 ，有部分属于。 　　对于处于分界点附近颜色的一个分量，本研究可将其模糊量化到