一种基于轮廓的图像检索算法

第13卷 第7期2008年7月

中国图象图形学报JournalofImageandGraphics

Vo.l13,No17

July,2008

一种基于轮廓的图像检索算法

谢邦旺

王加俊

(苏州大学电子信息学院,苏州 215021)

摘 要 针对ChoiWa-ipak等人提出的基于最大内切圆直方图的图像检索算法存在的不足,提出了一种改进的新的基于轮廓的图像检索算法。该算法首先用两种不同尺度的1维高斯函数分别对目标轮廓的凹陷部分和凸起部分进行进化处理来得到一个平滑简单而又能很好代表原始轮廓主要信息的进化曲线;然后利用骨架化算法提取出目标骨架;最后,利用进化后的轮廓与骨架之间的距离直方图来构造目标形状的描述符,并实现了图像检索。与ChoiWa-ipak等人提出的算法(只利用了形状的骨架信息)相比,该新算法不仅利用了轮廓所表达的外围整体形状信息,还利用了骨架所表达出的形状的拓扑关系。实验结果表明,该新算法在尺度变换、旋转变换以及抗噪性能等方面具有更优的鲁棒性。

关键词 图像检索 形状检索 轮廓 距离直方图

中图法分类号:TP391.3 文献标识码:A 文章编号:1006-8961(2008)07-1367-07

AContour-basedImageRetrievalAlgorithm

XIEBang-wang,WANGJia-jun

(SchoolofElectronicsandInformationEngineering,SoochowUniversity,Suzhou215021)

Abstract Inthispaper,acontour-basedimageretrievalalgorithmisproposedforimprovingthealgorithmproposedbyChoiWa-ipaketal,inwhichtheshapeofanobjectisrepresentedbasedonthenormalizedmaximaldisks.Inordertogeneratea

simplerandsmoothercontour,theone-dimensionalGaussianfunctionsoftwodifferentscalesareemployedrespectivelyfortheconcaveandconvexpartofthecontourintheproposedalgorithm.Additionally,theskeletonofthecontourisextractedbyaskeletonizationalgorithm.Finally,thehistogramofthedistancesbetweentheevolvedcontourandskeletonisusedtodescribetheshapefortheretrievalpurpose.Ascomparedwiththeoriginalalgorithmthatusesonlytheskeletonofanobject,thealgorithmproposedusesnotonlythecontourthatrepresentstheshapeofanobjectfromouterbutalsotheskeletonthatpreservestheoriginalobjectpstopologyfrominner.ExperimentalresultsshowthatthenewalgorithmproposedhereoutperformsthatproposedbyChoiWa-ipaketal.intherobustnesstothescaling,rotationandnoisecorruptions.KeyWords

mageretrieva,lshaperetrieva,ilcontour,distance-histogram

检索技术已成为人们研究的热点,而在设计基于内

1 引 言

近年来,由于数字化和信息化技术的快速发展,越来越多的图像都被数字化后保存在多媒体库中。人们为了能更好地使用这些图像,就必须要求有一

种快速、便捷的图像检索方法,因而基于内容的图像

基金项目:国家自然科学基金资助项目(30300088) 收稿日期:2006-06-07;改回日期:2006-11-26

容的图像检索系统的时候,检索的有效率和准确率则是两个需要重点考虑的问题。

在基于内容的图像检索方法中,其步骤一般是首先提取出图像的突出特征,如颜色、纹理、形状等;然后再根据这些特征来检索。在基于颜色和空间位置关系等底层特征的图像检索方法的研究方面,虽

[1,2]

第一作者简介:谢邦旺(1976~ ),男。现为苏州大学电子信息学院硕士研究生。主要研究方向为基于内容的图像检索。E-mai:lxbw_1@

已经取得了相当的进展,但基于形状和纹理的图像检索仍是一个难题。由于人类视觉在辨别物体的时候,最容易根据目标的形状来区分各个物体,因此形

[3]

状特征备受关注。如果把形状表示成一个闭合的轮廓,那么对形状辨别来讲,轮廓的凸部被认为是整个形状曲线上所有点中有影响的区域,根据人类视觉的习惯,它比凹部具有更大的影响;同时,凸部

[4]

的最大曲率点被认为是突出点(saliencepoints),在整个形状中具有更重要的意义。

对基于形状的图像检索技术来说,其关键是构造对目标形状的描述符,而通常使用的形状描述符包括不变矩(momentinvariants)

[5~7]

后,用骨架化算法提取出目标轮廓的骨架(如图1(b)所示);最后,统计骨架各点与进化后的轮廓之间的最小距离,再根据最小距离值的分布情况形成距离直方图,并用这个距离直方图来描述原始的目标形状(如图1(c)所示)。

、Zernike矩

[10~12]

[8,9]

和曲

图1 海底动物形状、骨架及进化后轮廓

与内骨架间的距离直方图

Fig.1 Theshaperepresentationofamarinecreature,

theskeletonoftheshapeandthehistogramofthedistancebetweentheevolvedcontourandskeleton

率尺度空间(curvaturescalespace)等。文献

[13]提出了一种利用最大内切圆半径所构造的距离

直方图作为形状描述符的方法,这种最大内切圆是按作者提出的一种快速骨架化算法

[14]

来确定的。实验

证明,与不变矩、Zernike矩和曲率尺度空间3种方法相比较,该方法可以取得更好的检索效果。但是,该算法也存在以下缺点:首先,由于算法只利用了形状的骨架信息,因而不能很好地反映形状的外围整体信息;其次,在直方图的形成过程中,算法是利用形状的最小外切圆半径来对最大内切圆半径进行归一化来处理的,但由于最小外切圆半径对向外突起的毛刺非常敏感,因而该检索算法对噪声非常敏感。针对Choi

[13]

Wa-ipak等人提出的算法的不足,本文提出了一种新颖的基于形状的图像检索方法,它既利用了能表示出形状整体外围信息的轮廓,又利用了能刻画出形状的拓扑关系的骨架。该方法首先对轮廓进行进化处理,并尽量保留多一些突出点以及周围有影响区域的信息;然后对进化后目标轮廓和骨架之间的最小距离进行统计,以形成直方图,并以此来描述形状的特征。实验证明,该方法对尺度变换和噪声影响具有鲁棒性和有效性。

211 曲线的进化

为了生成一个光滑的、近似凸壳的轮廓曲线,并进而能以此近似的凸壳来提取形状特征,本文提出利用高斯函数来对形状曲线进行进化处理。这里对原始轮廓进行进化预处理,其目的主要是为了尽量多保留那些对整个形状曲线有重要影响的凸起部分,同时消除那些起相对次要作用的凹陷部分,最终得到一个既相对平滑简单,又能很好代表原始轮廓主要信息的进化曲线。为形象起见,这里以标准测试图库

SQUID

[17]

(shapequeriesusingmagei

databases)中的一种鱼类形状为例,给出了轮廓

进化的全过程(如图2(a)~(d)所示)。假设轮廓曲线表示为c(u)=(x(u),y(u))(其中u是一个曲线参数),则曲线进化过程可以用1维高斯函数通过对轮廓曲线进行卷积来完成,即

c(u,R)=(x(u,R),y(u,R))

Sc(u)*gR(u)

=(x(u)*gR(u),y(u)*gR(u))(1)

其中,c(u,R)为进化处理后的曲线,*表示卷积运算,gR(u)=(2PR)

2

-1/2-u2/(2R2)

[18,19]

2 形状描述符的构造

大家知道,目标的形状可以通过轮廓的提取或图像分割的方法取得,比如活动轮廓模型(activecontourmodel)、轮廓跟踪等方法。

为了形成对噪声具有较强鲁棒性的形状描述符,本文方法是对所提取的轮廓进行进化操作,首先产生出一个光滑的、近似凸壳的轮廓曲线,接着以此

(如图1([15,16]

e是标准偏差为R

的1维高斯函数。为了便于对卷积进化过程进 …… 此处隐藏：10502字，全部文档内容请下载后查看。喜欢就下载吧 ……