（通信与信息系统专业论文）基于属性的图像分类研究.pdf

基于属性的图像分类研究 摘要 作为认知科学和计算机科学中的一个令人兴奋的活跃分支，数字图像处理技 术近年来得到了极大的重视和长足的发展。特别是视觉信息的飞速膨胀和应用需 求的不断扩大，使得面向不同领域、不同任务的算法研究成为图像处理及相关领 域关注的热点。尽管人们在图像处理算法方面做了大量的工作，但对算法各种性 能进行评价的研究却相对较弱，其中一个很重要的原因就是对所研究的对象 图像本身缺乏足够的认识，更没有科学的、客观的描述手段，致使对图像处理的 研究还处在“自然研究”阶段，没能进入“自觉研究”的阶段，因此带有许多 盲目性。 本文研究的是基于图像本质属性的图像分类，即在对图像中与人的视觉感觉 相关的本质属性进行客观度量的基础上，对图像进行系统的分类研究。研究的目 的在于：( 1 ) 任何一个成熟的学科都要对研究的对象进行分类，只有在对处理对 象从数学意义上加以区分，才有可能在一定范围内对处理结果进行预测，给出处 理结果的评价标准和方法，才能形成该学科的理论体系。( 2 ) 对图像本质属性的 客观度量，可以减少算法中的假设，使得算法的自适应性成为可能，这种自适应 性包括算法的自适应选择和算法中参数的自适应配置两个方面。( 3 ) 对图像进行 定量的、客观的分类研究，有助于产生成熟的算法评价方法和规则。“一门科学 没有科学公认的评价系统、性能描述和算法的再实施能力，就没有发展”。因此 这种评价不仅可提高现有算法的性能，对研究新的算法也具有指导意义。 论文的主要思路是围绕图像低级处理三大任务图像增强与恢复、图像 压缩和图像分割，寻找和研究图像的基本属性，进而建立图像的形式化描述，然 后面向任务将图像按基本属性进行分类。本文将图像的属性描述限定为与自适应 算法和结果有关的、反映人的视觉感觉的图像基本属性。研究的主要成果包括： 建立了基于图像属性的图像模型，给出了图像形式化描述的框架。按照可拓 学方法，定义了图像基本元素视元；考虑到人类视觉的层次性，将视元具体 确定为像素层视元、区域层视元和图像层视元；分析了视元的性质、视元各层间 的关系等。图像的形式化描述，将各类图像统一在同一个框架下，便于进步的 研究与分类。 摘要 面向图像压缩任务，提出了对图像的边缘密集程度进行度量与分类的概念以 及具体分类算法。该算法利用图像小波高频系数的分布特点，采用图像边缘度作 为图像空间冗余度的度量，将不同内容的图像按边缘度大小分类。分类的结果可 对不同图像的压缩结果进行预测。在此基础上，进一步研究了e z w 算法与小波 最优分解层的关系。实验表明：图像分类结果对压缩结果的预测是有意义的，并 与人的视觉相吻合。在具体使用e z w 压缩算法时，还可以根据图像的类型和压 缩的要求，选择恰当的小波分解层，以得到满意的压缩效果。 面向图像去噪任务，提出了一个基于小波的图像噪声类型识别方法，对图像 中最常出现的两类噪声：高斯噪声和椒盐噪声进行准确的识别。在此基础上又提 出了两个估计噪声程度的新方法：一个解决了准确估计椒盐噪声密度的问题：另 一个解决了在一般高斯噪声方差估计中对小方差估计误差较大的问题。文中对图 像噪声所进行的完整的、客观的综合描述，不需要任何先验知识，替代了相关算 法中关于图像噪声的主观推测或假设。 面向图像恢复任务，提出了一种基于小波域分析的识别图像模糊类型的算 法。该算法可在模糊图像处理之前识别该图像的模糊类型( 水平运动模糊、垂直 运动模糊、对角运动模糊和散焦模糊) 。另外对于高斯型散焦模糊，又给出了准 确反映人类视觉对图像模糊程度的度量，该度量由于考虑到人的视觉对平滑区和 非平滑区的敏感程度，其结果与人的主观评价排序相吻合。这一结果在对人脸图 像恢复算法中得到了进一步的应用。 面向边缘检测任务，提出了对图像边缘特性进行度量的边缘测度。使用基于 小波分解的高低频信息，确定能够反映整体边缘状况的测度，包括度量图像边缘 强度大小的图像边缘强度测度和度量图像强弱边缘分散程度的图像边缘散度测 度。测度的定义考虑了各种边缘降质情况( 模糊、噪声等) ，可为边缘检测算法 的选择、算子参数的配置提供客观依据。 整个论文的工作证明了基于属性的图像分类是可行的，有着重要的理论和实 际意义。 【关键词】图像处理，特征提取，图像分类，小波变换 n 基于属性的图像分类研究 a b s t r a c t a sa 1 1e x c i 恤gb r a n c ho fc o g l l i 廿v ea n dc o m p u t e rs c i e n c e ，d i g i 诅1i m a g ep r o c e s s i n g h a sa t 虹a c t e dm o r ea t t e n t i o n sa n dm a d e 粤a tp r o 铲e s sd u r i n gt h ed e c a d e s a st h e d e n l a n do nv i s u a li 幽m l a t i o np r o c e s s i n gi i l c r e a s e s ，i tb e c o m e sm o r ea c t i v eo ft 1 1 e r e s e a r c ho nd e v e l o p i n ga l g o r i m m sa p p l i c a b l et ov 耐o u sf i e l d sa n dt a s k s t h o u g h g r e a te f r o n sh a v eb e e nm a d eo ni t ，f e wo ft h e mh a v eb e c np e r f o 珊e do ne v a i u a t i n g 也ep e r f o 珊a n c eo fd i f f e r e n c ea l g o r i t h i n s t h i sm a i n l yb e c a u s e 也a tl e s se m p h a s i si s p u to ni n v e s t i g a b n gt h eo b j e c to fp r o c e s s i n ga l g o r i t 8 ，t h a ti sa ni m a g e ，血r 山e rn o s c i e n t i f i ca n do b j e c t i v ed e s c r i p t i o no na 1 1i m a g ee x i s t s c o n s e q u e n t l y ，t h er e s e a r c ho n i m a g ep r o c e s s i n gi ss 仃i v i n go na “s p o n t a l l e o u s ”w a yi nw h i c hw o r ki sc o n d u c t e d b l i n d ly ，i n s t e a do fa “c o n s c i o u s ”w a y t h er e s e a r c hi nm i st h e s i sc o n c e n 仃a t e so ni n 仃i n s i cc h a r a c t e r i s t i c sb a s e di m a g e c l a s s i f i c a t i o n ，m a ti s ，a i m sa ts y s t e m a t i c a l l yc l a s s i f y i n gi m a g e sb yw a yo fd e 矗n i n ga n o b j e c t i v em e t r i ct od e s c r i b e 也ei n 订i n s i cc h a r a c t e r i s t i c so fi m a g e sr e l a t e dt oh u m a n v i s i o n p e r c e p t i o n t h em o t i v a t i o no ft h er c s e a r c hl i e si n ：1 ) 0 1 1 1 yi fo b j e “so f p r o c e s s 血gi sc a t e g o r i z e di nam a 也e m a t i c a ls e n s e ，w o u l di tb ep o s s i b l ef o rp r e d i c t i n g m er e s u l t so fp r o c e s s i n ga l g o r i t h m s i ti sr e q u i r e df o ras c i e n t m c 恤e o r ys y s t e mt o p r 0 v i d ea 1 1e v a l u a t i o nc r i t e r i o na n dm e t h o d 。l o g yf 缸p r o c e s s i l l ga l g o r i t h m s 2 ) 也e r e s e a r c ho na no b j e c t i v em e t r i cf o ri n s t i n c tc h a r a c t e r i s t i c so fi m a g e sm a k e si tp o s s i b l e f o rr e l a x i n gt h ei m p r a c t i c a la s s u m p t i o n sa 1 1 df o rd e v e l o p i n g a d a p t i v ep r o c e s s i n g s y s t e m s ，w h i c ha d a p t i v e l yc h o o s e 印p r 叩r i a t ea l g o r i t h r n sf o ras p e c i f i ca p p l i c a t i o n a n dn m et h ep a r a m e t e r so f 出ea 1 9 0 r i t h m s 3 ) aq u 锄t i t a 亡i v ea n do b j e c t i v em e 研cf o r 1 m a g ea s s e s s m e n tw o u l dm i d w i f e r ys c i e m i f i cm e 出o d 0 1 0 9 ya 1 1 dn 1 1 e sf o ra l g o r i t h m e v a l u a t i o n “l m l ep r o 酽e s sw i l lb em a d e ，u n l e s st h es c i e n t 墒ca s s e s s m e n tm e 删c s y s t e m a t i cp e r f o m a n c ee v a l u a t i o n ，a n dt 1 1 e 曲i l i t yo f r e - e m p l o y e df o ra l g o d t h m sh a v e d e v e l o p e d i no n ew o r d ，血er e s e a r c ho n 也ee v a i u a t i o n ( a s s e s s m e n t ) m e 仃i cw i l ln o t o n l yi m p r o v et h ep e r f b m l a n c eo ft h ee x i s t i n ga l g o r i t h r n s ，b u ta l s od i r e c tt h e d e v e l o p m e n to f n e wa l g 砥她s c o n c e n 仃a t i n gq nt h em r e et a s l ( so fi m a g ep r o c e s s i i l 吕n a m e l yi m a g ee n h a n c e m e n t a n dr e s t o r a t i o n ，i m a g ec o i n p r e s s i o n ja 工l di m a g es e g m e n t a t i o n ，也i st h e s i sa t t e m p t st 0 s e d ki n v e s t i g a t e ，a n dp r o b ei n t oi r l t r i l l s i cc h a r a c t 嘶s t i c so fi m a g e 8 m o r e o v e r ，a f o 蛐u l a t i o ni sc o n s t m c t e df o rd e s c r i b i i l g 也e c h a r a c t e r i s t i c s ，a n dt h e na p p i i e dt o c a t e g o r i z ei m a g e sa c c o r d i n gt ot h ec h a r a c t e r i s t i c sf o rs p e c i f i ct a s k s mt h i st h e s i s ，也e i n 拄i n s i cc h a r a c t e n s t i c si st e 皿e da s 血o s eo f 妇a g e sr c l a t e dt o d e v e l o p i n ga n d e v a l u a t i i l ga d a p t i v ea l g o r i t h m s ，a n dt h o s er e n e c t i n gh u m a 士1p e r c e p t i o nt oi m a g e s t h e c o n t r i b u t i o n so fm et h e s i sa r ea sf 0 1 l o w s ： ac h a r a c t e r i s t i c s b a s e di m a g em o d e la n daf o r n l u l a t i o nf o ri m a g ec h a r a c t e r i s t i c s a r ep r o p o s e d d 鲥y e df r o mt h em e t h o d o l o g yo fe x t i c s ，ab a s i ci m a g ee l e m e n t ， t e r n l e d s x e li sd e f i n e d m o t i v a t e db y 也eh i e r a r c h yo fh u m a i lv i s i o n ，s x e l i s h i e r a r c h i z e da sp i x e l s x e l ，r e g i o n x e l ，a n di m a g e x e l t h ep r o p c r t yo f x e la n d t h er e l a t i o n s h i po f s x e l sb e 帆e e nd i 疏r e n ti a ”r sa r ea n a i y z e d ni s 恤ef 0 h n u l 撕o n o fi m a g ec h a r a c t e r i s t i c su n i 丘e sa i l yk i n d so fi m a g e si n t oo n e 台a m e w o r k ，w h i c h f a c i l i t a t e st os t l l d ya n dc a t e g o r i z ei nf 1 1 r t h e l f o ri m a g ec o r n p r e s s i o n ，ac o n c c p tt om e a s u r ea n dc l a s s i f yi m a g e sb yu s eo f e d g e i n f 0 h n a t i o ni ni m a g e si sp r o p o s e d ，a n da na 1 9 0 r i t h i i lt 0i m p l e m e n t 也ec o n c 印ti sa l s o p r e s e n t e d t h ed i s 试b u t i o no fw a v e l e th i 曲丘弓q u e n c yc o e 塌c i e n t si ni m a g e si 8 e x p i o i t e dw h i l ee d g ea c t i v em e a s u r ei sd e f l n e dt od e s 嘶b et h es p a t i a lr e d u n d a n c yo f i m a g e si nt h i sa l g o r i t h m t h u s 血ec l a s s m c a t i o no fi m a g e sw i t hv a r i o u sc o n t e mi s a c h i e v e db yt h ev a l u eo fe a m ，a i l dt h er e s u l t so fc o m p r e s s i o na l g o r i t t m l sc a nb e f o r c c a s t e db a s e dt h ec l a s s m c a t i o n a d d m o n a l l y ，t h ed 印e n d e n c yb e t w e e ne z w a l g o r i 也m a n dt h e 叩t i m a ll e v e lf o rw a v e l e t d e c o m p o s i t i o ni ss t u d i e d t h e e x p 谢m e n t ss h o wt h a tt 1 1 er e s u l t so fc l a s s i f i c a t i o na i g o r i t h ma n dt h ef o r e c a s t i n g r e s u l t sm a k es e n s e ，a n dt h e s er e s u l t sa r ea c c o r d a n tt o l u m a nv i s i o np e r c e p t i o n p r i o r t oe 1 p i o y i n ge z w a l g o r i t h i l l ，a no p t i m a lv a i u eo f w a v e l e td e c o m p o s i t i o n1 e v e lc 锄b e c h o s e n a c c o r d i n gt 0 也ec i a s so f 出ei m a g e c 0 b e _ 。s s 。da n dt h e d e s i 他d c o m p r e s s i o nr a t i o f o ri m a g ed e n o i s i n 岛aw a v e l e tb a s e da l g o r i 也mt h a ti d e n t 嫡e st h et y p eo f i m a g e 基于属性的图像分类研究 n o i s ei s p r o p o s e d t h ea l g o r i t h mi se 髓c “v eo nd l s c r i m i n a t i n gg a u s s l a na n d s a l t p 印p e r o 缸b a s e do nt h ew o r ko fi d e n t i 母i n gn o i s et y p e ，研oa l g o r n h m sa r e r e s p e c t i v e i yp r o p o s e dt oe s t i m a t et h en o i s el e v e lo ft i l et w ot y p e so fn o i s e 0 n e a c h l e v e se s 矗m “gt h ed e n s i t yo fs a l t & p 印p e rn o i s e ，t h eo t h e ri s c a p a b l eo f e s t l m a t i t l gn l c1 e v e lo fg a u s s i a nn o i s ew i 也s m a 儿v a n a l l c e ，w h i c hc a l lh a r d l yb e e s 缸m a t e d a c c u r a t e l yb yt h e c o n v e n t i o n a lm e t h o d s b yu s eo f 也ep r o p o s e d m e t h o d o l o g y ，t b en o i s et h a td e g r a d e sa 1 1i m a g ec a nb em e a s u r e dc o m p i e 把i ya i l d o b j e c t i v e l yw i t h o u ta n yp r i o rk n o w l e d g ec o n s e q u e n t l mt h ed e n o i s i n ga l g o r i t h m sc a n b ei m p l e m e n t e df r e eo fa n ys u 叫e c t i v ea s s u 瑚p t i o n sa b o u tt h en o i s e f o ri m 8 9 er e s t o r a d o n ，w ep m p o s eaw a v e l e tb a s e da 1 9 0 r i 血mt oi d e n t i f yt h et y p e o fi m a g eb l u 耐n go p a 口t o lt h o s ea r em o t l o nb l u m n ga l o n gh o r i z o m a l ，v e n i c a j ，a 工l d d i a g o n a ld i r e c t i o n sa i l dd e f o c u s e db l u r r i o g e s p e c i a i 】y f o rd e f o c u s e d b l u r r i n g ( g a u s s i a n ) ，w ed e f - m ea no b j e c t i v em e t r i ca c c o r d a n tt oh u m a l lp e r c e p t i o nf o ri m a g e b l u 耐n g t h ed e f i n i t i o no ft h em e t r i ct a k e sa c c d u n tm t ot h ed l 娲r e n ts e n s h i v i wo f h u m a nv i s i o nf o rs m o o t h i n ga n dn o n - s m o o t h 证gr e g i o ni na ni m a g e ，t h u sl e a d st ot h e r e s u l t sc o n s i s t e n tt ot h o s eo b t a i n e d b yh u m a l lr a t i n g f o re d g ed e t e c 缸o n ，w ed e n n e 也em e a s u r e st oc h a r a c t e r i z et 1 1 e e d g ep r o p e m e s d e 括蛳i n e db yt h eh i g hf 嘲u e n c yi n 南瑚a t i o na n s 血g 肺n 1w a v e j e td e c o m p o s m o n t h e s em e a s u r e si n c l u d ee d g ei n t e n s i t ym e a s u r em a ti 1 1 d i c a t e st h ei n t e n s i t i e so fe d g e s ma ni m a g e ，a n de d g ed l 丘h s i o nm e a s u r e 也a td e s c 曲e st h ed i s t r i b u t i o no f s 订o n ga n d w e a ke d g e s b e c a u s ea l l 也ec a s e so fe d g ed e 伊a d a t i o n ( eg b l u r i n ga n dn o i s e c o m l p t i o n ) a r ec o n s i d e r e d ，t h ed e f m e dm e a s u r e sc a nb et a k e na so b 记c 廿v eb a s i sf o r c h o o s i n gd e t e c d o na i g o r i t sa n dt i 】 】i n gp a r 姗e t e r si nt h ec h o s e na l g o r i t h m s k 。yw o r d s ：i m a g 。p r o c e s s i n g ，f e a c 【1 r ee x t r a c t l o n ，i m a g ec l a s s i 丘c a t i o n ，w a v e l e t t r a n s f b n n a t i o “ v 基于属性的图像分类研究 1 。1 引言 第1 章绪论 本文研究的是基于图像本质属性的图像分类，简称基于属性的图像分类。“分 类”是人们为了掌握客观事物、按事物相似的程度组成类别的过程。而图像的“本 质属性”则是指面向人类视觉感觉的图像的共性。“基于图像本质属性的图像分 类”就是在对图像本质属性进行客观度量的基础上，对图像处理的对象图像 本身进行系统的分类研究。 研究“基于属性的图像分类”的目的在于： ( 1 ) 任何一个成熟的学科都要对研究的对象进行分类，只有在此基础上才 能形成本学科的理论体系。也就是说：一个有自己的理论体系的成熟学科，首先 对处理的对象应能在数学意义下进行某种程度的分类，然后再研究对各类对象的 可施行的操作，并能对其结果在一定范围内进行预测，最后给出对操作结果的评 价标准和方法。不仅是数、理、化和生物这些传统学科是这样，近代发展起来的 新学科也是这样。如在自动控制领域中，可以根据系统微分方程的阶数和零极点 等进行分类研究和评价。当系统的阶数和零极点已知时，就能预测系统的性能范 围，并知道参数的调整方向，同时分类还可以对控制方法的选择起指导作用。遗 憾的是，图像处理学科至今不仅没有能被学术界接受的基于图像本质属性的分类 方法，甚至很少有这方面的研究。因此，“像其它许多学科领域一样，图像处理 正经受着被认为存在虚构、曲解、概念不清和误导” 1 1 的阶段。也就是说，图像 处理学科仍然处在“自然研究”阶段，还没进入“自觉研究”阶段，因此带有 许多盲目性。 ( 2 ) 图像处理问题是一个病态问题，这是由于有太多的未知约束造成的。 这些未知约束包括成像系统的参数、光照条件、图像内部结构、多种随机噪声等 等。目前解决病态的主要方法是正则化方法，即根据处理对象的先验知识，定义 某些约束条件，使病态变为非病态 2 1 。但是由于图像在时域和空域的随机性都很 强，要找到能适合于多种类型图像以及适合整幅图像的约束是十分困难的。因此 在图像处理算法中使用了大量的假设，而研究表明3 ：算法中的假设越多，其性 第1 章绪论 能越差，二者之间的关系如图1 1 所示。图中，横坐标是算法中假设的个数，纵 坐标是算法实际应用时的性能水平。从图上可以看出，虽然算法的性能随着假设 条件的增加而有一定的提高，但是如果其假设条件与实际不符，或不匹配，则算 法的性能就会急剧降低。因此，图像处理算法的自适应应是一种合理的解决方法， 即设法用图像本身的客观度量替代算法中的假设，以提高算法的实用性和处理的 效果。这种自适应包括对不同图像的自适应和对一幅图像不同区域的自适应。要 能保证算法或参数具有自适应功能，就需要将被处理对象进行分类。 黜m l 妊# 3 a d 非c 倚1 母甜j 5 ；地蛩d 能3 嚣如m 妇比a t 拈m 斑黜妇j 弘善x a ：a 虹州l t 鼬 图卜l 算法中假设条件与算法性能的关系 3 ( 3 ) 图像处理学科至今没有比较成熟的图像质量评价方法和规则，因而也 就没有成熟的算法评价方法或规则。然而“只有被评价了的算法才能被使用，而 没有被评价的算法只能称之为研究”，“一门科学没有科学公认的评价系统、性能 描述和算法的再实施能力，就没有发展” 3 】。同时这种评价不仅可提高现有算法 的性能，对研究新的技术也具有指导意义。缺少评价方法或规则的首要原因是不 能对图像( 包括处理前和处理后的图像) 进行客观的描述和分类。如同计算机视 觉研究中的“无知、短视和天真”一样舡7 1 ，图像处理研究也存在这类问题，这 里所说的“无知”指的是没有利用知识，“短视”指的是没有实验基础，而“天 真”则指的是没有评价。对图像进行基于属性的分类研究，就是采用定量的和客 观的方法提取描述图像本质属性的特征值，并将图像按其属性进行区分，为图像 处理的算法性能评价提供处理对象的准确描述。这里的“定量”就是指可以精确 基于属性的图像分类研究 地描述，而“客观”则是指摆脱了人为的因素。 1 2 所涉及的相关问题 1 2 1 计算机视觉与图像处理 计算机视觉和图像处理是相对独立又密切相连的两个不同的研究领域。计算 机视觉分低级处理阶段和高级处理阶段。高级处理阶段与人类视觉的高级感受特 性相联系，反映到图像上是图像的高级属性【8 9 】，包括：( 1 ) 视觉的相对性：视 觉感知的结果不仅仅取决与刺激本身，同时还受经验、对比等的影响。( 2 ) 视觉 的选择性：对于同一视觉刺激，得到的结论依赖于观察者的先验知识取向。( 3 ) 视觉的整体性：整体大于部分和。( 4 ) 视觉的恒常性：在不同的位置、距离、光 照等情况下，观察某一熟悉物体时，虽然得到的物体图像在大小、形状、亮度、 颜色等方面有很大的变化，但在心理上却倾向于维持不变的心理倾向。( 5 ) 视觉 的组织性：在感知过程中对于原始的信息进行有选择的加工处理，这种选择过程 是系统的、合乎逻辑的。 图像处理虽然也受视觉的高级感受特性影响，也要考察图像的高级属性，如 视觉的相对性和组织性。但更主要的是要考察图像的低级属性。计算机视觉的低 级处理和图像处理主要与人类视觉的低级感受特性相联系，反映到图像上就是图 像的低层属性。我们认为图像的底层属性应当包括：( 1 ) 物理属性。如灰度、颜 色和噪声等。( 2 ) 几何属性。如边缘、区域和其它结构信息。这些所谓的“属性” 由于其强调的是感觉，因此不仅是各类图像处理算法所关注的对象，也可以形成 判别图像质量的基准帆】。本文所研究的正是这类图像的基本属性。 1 2 2 图像处理过程 众所周知，图像处理包括三大任务：( 1 ) 为人类视觉服务：改善图像的视觉 效果( 图像增强与恢复) ：( 2 ) 为传输和存储服务：图像压缩；( 3 ) 为计算机视 觉服务并作为它的低级阶段：图像分割与描述。传统图像处理任务的一般流程如 图1 2 所示，人们根据图像处理的任务需求，找到一种解决该任务的算法，再将 该算法作用到被处理的图像上去，得到本次任务的处理结果。图1 2 中的结果图 第1 章绪论 像是指广义的图像：即对于以改善图像质量为目的的图像处理任务( 图像增强或 图像恢复) 来说，输出国像就是消除了噪声或模糊、提高了图像质量的图像：对 于图像压缩任务来说，输出图像就是经过压缩后又解压的图像；而对于图像分割 来说，则输出图像就是分割后的含有区域信息的图像基元。 广 结果图像 。叫g ( x ，y ) = ( 。，( j ，_ y ) ) | 图1 2 传统的图像处理任务流程 在研究中人们常常感觉到：对于一个问题，似乎有很多种可能的解决方法， 但又无法确定那一个方法是最适合的解决方案，其中重要的原因之一就是没有很 好地利用图像本身所包含的信息，即由于缺少对待处理图像的了解，因此所选用 的算法具有很大的盲目性，其结果也具有较强的偶然性。要更好地完成图像处理 的三大任务，应深入地考察人类视觉特性，特别是人类视觉的相对性( 先验知识) 、 选择性( 自适应) 和组织性( 系统性) ( 8 】。 随着对图像处理算法的不断研究，各类算法不断涌现。目前图像处理的研究 主要集中在三个方面 1 2 ；( 1 ) 分析图像在不同域( 空域或各种变化域) 的表现形 式，研究基于不同域的图像处理算法。( 2 ) 研究子图像( 或称为区域) 的特点， 尽可能利用先验知识，探讨具有自适应功能的算法。( 3 ) 对具有结果评价和反馈 功能的复合算法的研究。例如根据先验知识，确定某些约束条件，作为图像评价 的依据，再实时检测图像处理的结果，不断调整算法，直到满足要求为止 2 】。需 要指出的是：作为图像处理的三个热点方向就本质上讲是一致的或者说是统一 的。因为图像处理结果的评价是人，即人的视觉，也就是说上述( 1 ) 、( 2 ) 方面 的研究是为( 3 ) 服务的，而( 3 ) 的研究也必须在( 1 ) 和( 2 ) 的研究基础上进 行。对于这三方面的研究表明：图像处理的算法研究正在从简单的、独立的、试 凑的初级研究阶段向复杂的、更符合人的视觉原理的、有理论指导的方向发展。 当前改进的图像处理任务的流程如图1 3 所示。 4 基于属性的图像分类研究 图1 3 当前改进的图像处理流程 1 2 3 图像、属性与分类 要改造世界，首先要认识世界，其中包括用数学的方法来反映、描述或模拟 各种各样的现象，即建立这些现象的数学模型，以获取信息。然而建立一个合适 的数学模型是不容易的，需要通过实验、理论分析、判断、归纳等步骤。研究的 目的不同，关注的焦点也会有较大区别，所建立的描述也会不同。图像分类与分 类目的也密切相关。角度不同对图像的看法也不同。比如，按艺术的观点，边缘 模糊的图像可能是一幅“很美”的、梦幻般的图像，但从图像增强的任务出发， 这就成了质量差的图像。同理，目的不同所关注的属性及分类的结果也会不同。 这里研究的“基于属性的图像分类”问题可定义为：对于给定的论域( 像素、 区域、图像) 和给定的性质( 独立属性、属性空间、属性测度等) ，按照一定的 准则( 与图像处理任务有关) 对论域中的元素与性质之间的关系进行识别和分类， 得到相应的元素集合。 为了不至于造成混乱，现将本文所涉及的术语做进一步的明确说明。 1 2 3 1 图像 一幅图像可定义为一个二维函数厂( _ ：c ，y ) ，这里x 和y 是空间坐标，而在任何 一对空间坐标0 ，y ) 上的幅值，称为该点的图像强度或灰度。当x ，y 和幅值厂为 有限的、离散的数值时，称该图像为数字图像。图像可按颜色和灰度的多少分为 二值图像、灰度图像和彩色图像；也可按波段多少分为单波段图像和多波段图像； 翕熏“一圈 第l 章绪论 还可按图像之间是否相关分为单幅图像和视频图像( 包括图像序列、运动图像 等) 。本文作为该方向的初步研究，只局限于对单幅的自然灰度图像进行研究， 部分实验图像见附录。 1 2 3 2 属性 任何事物都可以用功能、性质和实义等特征进行描述。图像作为数字信息的 载体，毫不例外也具有各种属性特征。本文所涉及的图像属性是指与人类视觉有 关的图像的共性，因此它不仅应具有可视性、不变性和相对独立性【1 0 ，而且应与 图像处理的算法有关。 研究和考察的角度不同，共性的表现也不同。回答“图像是否具有某某特性” 这类问题不仅取决于输入图像，而且取决于图像处理的目的。在图像处理的三大 任务中，各种算法的研究和参数的确定也体现了这种面向任务的观点。如在图像 恢复处理中，人们所关心的是图像是否模糊和模糊的程度如何? 在图像分割过程 中，人们关心的则是物体是否存在以及是否能容易地被提取? 在图像增强处理 时，人们所关心的是如何解决增强边缘与消除噪声之间的矛盾。在压缩处理中， 如何根据不同特点的图像选择压缩方法，得到高效的压缩效果是研究的关键【l 。 因此本文用于图像分类的属性严格地来说应该称为：面向图像处理任务的图像本 质属性。 1 2 3 3 分类 基于属性的图像分类在图像处理过程中的地位与关系如图1 4 所示。这种分 类按分类涉及的对象可以分为图像层分类、区域层分类和像素层分类三个层次， 这三个层次的分类既可以独立进行，又存在必然的联系。按在处理过程中所处的 位置又可分为对处理前图像的分类和对处理后( 或处理中) 图像的分类。 基于属性的图像分类研究 图1 4 图像分类与图像处理的关系 从某种意义上讲，分类与评价是等价的。因为，已经被分类的对象，就会有 全序或半序的排列，有了排列就等于有了评价。因此在不发生混淆的情况下，本 文将不加区分地使用“评价”和“分类”这两个词 需要说明的是对纹理图像的分割( 分类) 和基于内容的图像分类1 卅都与 本课题研究的出发点和目的不同，它们是面向视觉对图像的理解，即从图像中获 得内容信息的活动。而本文研究的“基于属性的图像分类”是面向人类的视觉感 觉，是面向图像“好坏”评价的视觉活动。 1 3 图像分类问题研究的现状 综上所述，对被处理对象图像进行分析与研究是非常必要的。但遗憾的 是，专门研究基于图像本质属性的分类，特别是在进行图像处理之前对图像进行 整体分析，或者面向不同的图像处理问题，根据不同的属性对图像进行分类的研 究仍然很少。这是我的导师梁德群教授多年前提出的思想，到现在为止还未见到 过明确提出对任意图像进行分类的概念，只有一些零散的研究报道，从不同角度 涉及到图像各层次分类( 评价) 的问题。 在像素层分类方面，k a m 等人用一种粗略的测度来判断图像中是否有纹理 存在 1 5 ，但是他们的方法不能区分噪声点和边缘点。c h o u 基于不同尺度下的边 缘强度和模糊推理将图像像素分成边缘点、平滑点和纹理点 16 1 。由于计算灰度梯 度的s o b e l 算子本身对噪声比较敏感，因此这种方法的应用受到一定的限制。杨 第1 章绪论 海军等学者提出一种新的基于图像方向性测度的像素分类方法，该方法利用每个 像素方向性信息测度的大小，以及方向性信息测度随观察尺度变化而变化的程度 不同，将图像像素分成边缘点、平滑点和纹理点 1 7 】，由于算法考虑了噪声随尺度 变化的特点，其结果受噪声的影响较小。在区域层分类方面，r 丑n 等人通过图像 和不同尺度的滤波器卷积，根据平滑区和边缘区在不同尺度下的卷积特性不同而 将图像分成边缘区、平滑区和纹理区【1 ”。除此之外，许多包含自适应功能的图像 处理算法都对区域分类进行了一定的研究 1 ”。 在图像层分类方面，虽然也有一些诸如用等优曲线来考察空间分辨率和灰度 分辨率对图像质量影晌【l2 的研究报道，但目前对图像整体的评价主要集中对输出 的结果图像( 见图l 一4 ) 的评价，主要包括两个方面：一是对分割( 边缘检测) 结果的评价，二是对图像压缩后图像质量的评价。在边缘检测方面，c a n n y 【” 提 出了最优滤波器准则，a b d o u 和p r a 廿 2 0 提出了边缘检测评价度量，k i c h e n 和 r o s e n f e l d 2 1 1 提出了边缘局部相关评价方法以及其他改进方法 2 2 。杨煊等人从图 像测度入手，提出了考虑边缘的线性连接程度和错检漏检程度的、不需标准图的、 更准确的边缘检测评价的方法f 2 3 1 。另外还有一些具有实际应用价值的评价结果 掉26 1 。在分析研究图像分割质量的算法中，也有少量的关于评价方法的研究结果 m 2 8 1 。对图像压缩后图像质量进行评价的研究较多：包括从基于像素、相关性到 基于边缘、频谱、h v s ( 人类知觉模型) 等各类度量( 评价) 图像质量的方法1 2 ， 还可以将压缩后出现的块效应、模糊、噪声等失真作为图像质量评价的依据口”j 。 许多学者还借助于视觉心理学的成果，研究各类图像特征与图像质量( 人的视觉 感觉) 的关系3 2 。4 。 特别强调的是：面向图像处理任务的、系统地对处理对象图像进行整体 的、基于本质属性的图像分类的还未见任何报道，这也是本文重点研究的内容a 1 4 本文的主要内容和结构安排 本文分别在图像模糊、图像噪声、图像边缘等三个方面阐述了图像属性的获 取以及基于属性的图像分类方法与应用。主要内容包括： ( 1 ) 寻找或选择能够描述图像属性的模型类型是基于属性的图像分类的基 本问题。这里选择可拓模型 3 4 】，将图像处理归入可拓变换的范畴，而可拓变换的 基于属性的图像分类研究 结果就是以图像为论域的可拓集合。图像的这种描述形式，可从另一个崭新的角 度探讨与研究图像处理的本质，以获得更接近人类思维与处理方法的框架。按照 可拓学方法，先定义了图像基本元素视元，考虑到人类视觉的层次性，将视 元具体确定为像素层视元、区域层视元和图像层