基于区域饱和度线条图形和填充图形分类方法.docVIP

基于区域饱和度线条图形和填充图形分类方法 　　摘要 阐明图形、线条图形及填充图形的概念，提出一种描述图形视觉特征的新参数――区域饱和度，并实现基于区域饱和度的线条图形和填充图形的自动分类，取得较好的实验效果。 　　关键词 图形；线条图形；填充图形；区域饱和度 　　中图分类号：TP391.41 文献标识码：A 文章编号：1671-489X（2008）24-0109-02 　　 　　在图像处理领域，图像分类一直是人们研究的重点。图像分类是通过提取图像的底层视觉特征（如颜色特征、形状特征、纹理特征）和高层语义特征（如逻辑特征）来实现的。图形是一类特殊的图像，由外轮廓和内部区域组成，一般主体明确，背景单一。本文通过大量图形进行分析实验，提出了一种描述视觉特征的新参数――区域饱和度，并以此将图形分为线条图形和填充图形两类，从而为建立统一的分门别类的图像资源库，及人们检索图像资源提供方便。 　　 　　1 概念界定 　　 　　实验之前，先对文中涉及的图形、线条图形和填充图形这几个概念加以界定。 　　这里所用到的图形，指的是相对简单的图像，是由点、线、面等几何要素和明暗、灰度、色彩等非几何要素构成的图或形，具有明显的形状和线条特征，但没有太复杂的颜色或纹理特征的简单图像[1]。为了便于研究，本文中所采用的图形为只包含一个连通区域的背景色为白色的黑白二值图形[2]。 　　另外，通过对大量的图形资源进行分析看出，一部分图形的组成元素以线条为主，重在用线条勾勒物体的形象，内部填充多为背景颜色，因此看起来内部为镂空，将这种图形称之为线条图形，如图1所示；而另一部分图形则主要通过面积较大的色块及其组合来描述对象，颜色的区域特征明显，线条只起到勾勒边缘的作用或者没有线条的存在，称其为填充图形，如图2所示。 　　本文的工作就是通过提取图形的视觉特征――区域饱和度，将图形分为线条图形和填充图形两类。 　　 　　2 图形的特征描述 　　 　　2.1 区域面积 区域的面积是区域的一个基本特性，它描述了区域的大小。对于数字图像，区域的面积定义为区域中的像素数目。 　　2.2 逼近多边形的面积由于噪声、采样等影响，数字图像的边界常常会有许多较小的不规则处，这就对图像的形状测量和描述有干扰作用。为了减少这些干扰，可以通过多边形去逼近边界。 　　逼近多边形是用一系列线段去拟合逼近任意边界，用尽量少的线段表示边界的基本形状，然后计算多边形的参数，从而使对边界的描述变得简单。常用的逼近多边形表达方法有三种：基于收缩的最小周长多边形法、基于聚合的最小均方误差线段逼近法和基于分裂的最小误差线段逼近法[3]。本文采用基于聚合的最小均方误差线段逼近法。 　　1）计算图像的中心点O，为顶点集A分配内存空间，并进行初始化。 　　2）确定初始起点，计算各个边沿点到中心点O的距离，将其最大值赋给max，并将对应的边沿点作为起点，将起点加入顶点集A中。 　　3）按逆时针方向用直线连接每次的起点与当前邻接点(与该点相距为n的邻近点，本文中n取值为3)，计算两点间的边沿点到直线的最大距离p。 　　4）如果误差p/max小于阈值(阈值为到图像中心点最远距离的百分之几，本文中取3%)，将该邻近点扔掉，将当前邻接点设为被扔掉的邻接点的下一个邻接点。如果误差p/max大于阈值，将当前邻接点作为新的起点，将起点加入顶点集A中。如果新的起点到最初起点的方向是顺时针方向，则将该起点去掉，继续进行第5）步。否则转3）。 　　5）将顶点集中的点依次用直线连起来，形成的闭合区域就是该图像的逼近多边形。其中顶点集中元素的个数就是逼近多边形的顶点数。 　　6）求逼近后的多边形面积，即逼近多边形的区域面积。 　　2.3 区域饱和度即图形对象的轮廓区域的填充程度，通过观察发现，线条图形和填充图形的最大区别是，线条图形在其边界围成的轮廓区域内，只填充了很少的前景色，而填充图形恰恰相反，在其边界围成的区域内，填充了大量的前景色，整个图形区域比线条图形要饱满的多，因此考虑通过一个图形的面积和逼近多边形的比率，来区分这两种图形，由此定义了一个新的参数――区域饱和度。区域饱和度的计算公式为： 　　区域饱和度（F）= 　　通过设定区域饱和度的阈值t，当Ft时为线条图形，否则当F≥t时为填充图形。因此分类的关键是阈值t的选定。 　　 　　3 实验结果及分析 　　 　　人工选取了200幅图形作为分类实验的对象，其中线条图形和填充图形各有100幅作为实验对象，采用分类的正确率和准确率来验证分类： 　　 　　通过反复实验得出当阈值t设为0.5时，实现了较好的分类效果，实验结果如表1所示。 　　实验结果分析：由表1可以看出，基于区域饱和度的线条图形和填充图形的分类中，轮廓图形