（信号与信息处理专业论文）基于改进的弦长关联形状特征提取算法研究.pdf

山东大学硕士学位论文 摘要 近年来，目标特征提取以及相应的具有不变性的相似度测量算法已经成为机 器视觉领域的研究热点。对于目标识别和相似性检索，目标物体的形状特征是非 常重要的信息，因为形状特征通常与目标对象的内在功能和特性信息密切相关。 目前，在许多的文献中已经提出了各种目标形状特征的提取方法以及相似性度量 的理论和方法，而且在实际中的各种应用也可能使用形状特征。对于基于目标形 状的特征提取和相似性度量，几何不变性和抵抗形变的能力是研究中非常重要的 问题，同时也具有深远的理论意义和广泛的应用价值。 产品外观检测系统是机器视觉技术在工业生产中的具体应用。如何在复杂的 背景环境中，迅速、准确地判断待检测目标是否达到了预期的产品外观标准，是目 前国际和国内工程领域内具有挑战性的课题。采用本文提出的仿射不变性特征提 取算法的产品外观检测系统可以大大扩展该系统的使用范围，使得该系统可以广 泛应用于军事、航天、环境、医疗、生物、材料、金融、交通甚至家庭等领域。 对于给定的目标形状，弦长关联统计算法提出的弦长上下文描述符描述了各 个方向上不同长度的弦的分布频率。弦长关联统计算法在图像检索方面的优势主 要可以归纳为以下两点：灵活性和准确性。实验结果表明该算法对常见的图像变 换具有不变性，例如，缩放、旋转、边界扰动、轻微的遮挡以及非刚性形变等。 但是该算法对于仿射变换没有抵抗能力。为了提高该算法对于仿射变换和投影变 换的抵抗能力，在本文中提出了两种改进的弦长关联算法： ( 1 ) 提出了一种相对弦长关联统计算法，改进了弦长关联统计算法中弦长的 统计方法，同时对各个方向的平行弦间距进行处理。本文在理论上证明了相对弦 长的仿射不变性，在应用中采用具有仿射不变性的相对弦长来代替绝对弦长；同 时考虑到仿射变换对于平行弦间距的影响，并对各个方向上的平行弦间距用垂直 方向的方向主弦的弦长进行归一化处理，用垂直主弦间距来代替弦长关联统计算 法中的固定间距，进一步提高算法的性能。 ( 2 ) 提出了一种弦长位置矩阵算法，将不同方向的弦长分布的位置信息和相 同位置不同弦长的排序信息作为特征量进行考虑，用弦长位置信息表示目标形状 山东大学硕士学位论文 的特征。使用改进的弦长统计算法提取的形状特征对于仿射变换具有良好的鲁棒 性。 本文首先分析了弦长关联统计算法的特点，并针对该算法对于仿射变换不具 有鲁棒性提出了改进思路。该算法在进行弦长统计时仅对弦长进行归一化处理， 同时各个方向的平行弦间距为固定值，没有考虑到仿射变换对于各个方向平行弦 间距的影响。针对上述问题和产品外观检测系统的实际需要，本文首先完善了弦 长关联统计算法的理论结构，进一步挖掘图像的固有信息，然后提出了改进的弦 长关联统计算法和弦长位置矩阵算法，并进行了仿真实验。实验结果表明本文提 出的算法可以有效地提取目标形状的特征，对不同的目标可以进行更加准确的描 述，同时对于仿射变换具有鲁棒性，在目标识别中表现出更加良好的性能。 关键词：弦长上下文；相对弦长；位置矩阵；仿射变换；目标识别 2 山东大学硕士学位论文 a b s t r a c t t h ef e a t u r ee x t r a c t i o na n dc o r r e s p o n d i n gi n v a r i a b i l i t yo fs i m i l a r i t ym e a s u r e m e m a l g o r i t h m sa r eb e c o m i n gt h eh o t s p o to fi n t e l l i g e n tv i s i o nt e c h n o l o g yr e s e a r c hi nr e c e n t y e a r s i ti sc o n s i d e r a b l et od e t e c to b j e c t s s h a p et h a ti s l i n k e dt oo b j e c t s f u n c t i o n a l i n f o r m a t i o na n di d e n t i t yi np a t t e mr e c o g n i t i o na n ds i m i l a r i t yr e t r i e v a l al a r g en u m b e r o ff e a t u r ee x t r a c t i o na n ds i m i l a r i t ym e a s u r em e t h o d su s i n g s h a p ed e s c r i p t o r sh a v eb e e n p r o p o s e di nl i t e r a t u r e ，m o r e o v e r , v a r i o u sa p p l i c a t i o n sa r el i k e l yt ou s es h a p ef e a t u r e s t h eg e o m e t r i ci n v a r i a n c ea n dd e f o r m a t i o nr e s i s t i b i l i t ya r ei m p o r t a n ti s s u e sf o rf e a t u r e e x t r a c t i o na n ds i m i l a r i t ym e a s u r em e t h o d su s i n gs h a p ed e s c r i p t o r s t h ep r o d u c ta p p e a r a n c ed e t e c t i o ns y s t e mi st h ec a s eo ft h ea p p l i c a t i o no fm a c h i n e v i s i o nt e c h n o l o g yi ni n d u s t r i a lp r o d u c t i o n t h er e s e a r c ho fq u i c k l ys e e k i n go b j e c ti n c o m p l i c a t e de n v i r o n m e n ta n dd e t e r m i n i n gw h e t h e rt h ea p p e a r a n c eo ft h eo b j e c tm e e t s t h ee x p e c t e ds t a n d a r d sa c c u r a t e l yi sac h a l l e n g i n gt a s kf o rd o m e s t i ca n di n t e r n a t i o n a l e n g i n e e r i n ga r e aw i mp r o f o u n dt h e o r e t i c a ls i g n i f i c a n c ea n dw i d e s p r e a da p p l i c a t i o n v a l u e t h ea f f i n ei n v a r i a n tf e a t u r e se x t r a c t i o na l g o r i t h m si nt h i st h e s i sc a nb ea p p l i e dt o p r o d u c ta p p e a r a n c ed e t e c t i o ns y s t e mw h i c hc a ng r e a t l ye x p a n dt h ea p p l i c a t i o nf i e l do f t h es y s t e m t h ea p p l i c a t i o nf i e l do ft h ea l g o r i t h m si nt h et h e s i si n c l u d e sm i l i t a r y , a e r o s p a c e ，e n v i r o n m e n t , m e d i c a lt r e a t m e n t ，b i o t e c h n o l o g y , m a t e r i a l ，f i n a n c e ，t r a f f i c ， f a m i l ya n ds oo n f o rag i v e ns h a p e ，t h ec h o r dc o n t e x td e s c r i b e saf r e q u e n c yd i s t r i b u t i o no fc h o r d l e n g t h sw i t hd i f f e r e n to r i e n t a t i o n s t h em a i na d v a n t a g e so fc h o r dc o n t e x tf o rr e t r i e v i n g i m a g e sa l es u m m a r i z e di nt h ef o l l o w i n gt w op o i n t s ：t h ef l e x i b i l i t ya n dt h ea c c u r a c y t h e e x p e r i m e n t sd e m o n s t r a t e dt h a tt h ec h o r dc o n t e x ti si n v a d a n t t os e v e r a lc o m m o ni m a g e s t r a n s f o r m ss u c h 嬲s c a l i n g ，r o t a t i o n ，b o u n d a r yp e r t u r b a t i o n sm i n o rp a r t i a lo c c u l t a t i o n a n dn o n r i g i dd e f o r m a t i o n t h ea b i l i t yo ft h ea l g o r i t h mr e s i s t a n tt oa f f i n et r a n s f o r mi s i n s u f f i c i e n t t oe n h a n c et h er e s i s t a n c ec a p a b i l i t yf o ra f f i n et r a n s f o r ma n dp r o j e c t i o n 3 山东大学硕士学位论文 t r a n s f o r m ，t w oi m p r o v e dc h o r dc o n t e x tm e t h o d sa r ep r o p o s e di nt h et h e s i s 1 w cp r o p o s e dar e l a t i v e c h o r dc o n t e x tm e t h o db a s e do nc h o r dc o n t e x t w e i m p r o v et h ef e a t u r ee x t r a c t i o na l g o r i t h mb yu s i n gt h er e l a t i v e c h o r da n dn o r m a l i z et h e p a r a l l e li n t e r v a l s 、加t l lv e r t i c a ld i r e c t i o n - c h o r d t h cp r o p o s e dm e t h o do fr e l a t i v e c h o r d c o n t e x ti s p r o v e dt o b ei n v a r i a n tu n d e ra f f m ct r a n s f o r m a t i o n s w eu s ev e r t i c a l d i r e c t i o n c h o r di n t e r v a l si n s t e a do ft h ef i x e di n t e r v a l si nt h ec h o r dc o n t e x tw h i c h i m p r o v e dt h ea l g o r i t h m sp e r f o r m a n c ef u r t h e r 2 i nt h i st h e s i s ，ac h o r dl o c a t i o nm a t r i xi sp r o p o s e d t h el o c a t i o ni n f o r m a t i o no f c h o r dd i s t r i b u t i o ni nd i f f e r e n td i r e c t i o na n dt h es o r t i n gi n f o r m a t i o no fd i f f e r e n tc h o r di n t h es a m el o c a t i o na r ec o n s i d e r e da sc h a r a c t e r i s t i cv e c t o r s n ec h o r dl o c a t i o n i n f o r m a t i o nr e p r e s e n t st h ec h a r a c t e r i s t i c so ft h eo b j e c ts h a p ei nt h ep r o p o s e dm e t h o d t h ef e a t u r e se x t r a c t e db yt h ep r o p o s e dm e t h o di nt h et h e s i sa r ei n v a r i a n tt oa f f i n e t r a n s f o r n l w ca n a l y z et h ep r o p e r t i e so fc h o r dc o n t e x tf i r s t l ya n d p r o p o s et h ei m p r o v e di d e a s f o rt h ea l g o r i t h m t h ea l g o r i t h mn o r m a l i z e st h ec h o r dl e n g t ho n l ya n dd o e s n tc o n s i d e r i n t e r v a l sb e t w e e np a r a l l e lc h o r d sa f f e c t e db ya f f m et r a n s f o r m w ef i r s tp e r f e c ti t s t h e o r e t i c a ls t r u c t u r ea n de x c a v a t et h ei n h e r e n ti n f o r m a t i o no ft h ei m a g ef u r t h e ra n dt h e n w ep r o p o s et h er e l a t i v e - c h o r dc o n t e x ta n dc h o r dl o c a t i o nm a t r i x e x p e r i m e n t a lr e s u l t s s h o w 廿l a to u ra l g o r i t h m sc a nd e s c r i b et h ef e a t u r e so fd i f f e r e n to b j e c t sm o r ea c c u r a t e l y w h i c hh a v er o b u s t n e s sf o ra f f i n ct r a n s f o r ma n dt l l e yc a np l a yb e a e rp e r f o r m a n c ei n a f t m eo b j c c tr e c o g n i t i o n k e y w o r d s ：c h o r dc o n t e x t ，r e l a t i v e c h o r d ，l o c a t i o nm a t r i x ，a f t m et r a n s f o r m ，o b j e c t 4 r e c o g n i t i o n 山东大学硕士学位论文 1 1 课题研究背景及意义 第一章绪论 形状特征是目标图像中非常重要的视觉特征，包含丰富的内容信息。图像的 形状特征提取算法和相似性测度算法，一般可用于基于内容的图像检索、多信息 源的图像融合、图像识别与语义理解以及图像压缩等领域。物体表面质量检测实 际上是基于内容的图像检索的一个特殊应用，即对每个被测产品的图像提取其特 征，将该特征与标准产品的图像特征进行相似性距离测量，如果该距离大于设定 的门限，即可以认为被测产品外观质量不合格。 物体表面质量自动检测是计算机视觉技术在工业生产中的一个具体应用，通 过对被检测物体的图像采集、去扰动、图像分割、特征提取、相似性测量与判决， 从而对产品外观视觉效果能否符合预定要求进行判定。 与传统的人工检测相比较，物体表面质量自动检测具有客观、高速、高精度、 高可靠性的特点；检测效果稳定，真正实现“全检 ；系统信息集成程度较高，能 够实时统计产品质量状况；可以用于危险的生产区域并且使用成本低。正是由于 这些特点，近年来在现代自动化生产过程中，物体表面质量自动检测同益受到广 泛的关注。作为产品外观质量检测系统的核心技术之一，具有不变性的形状特征 提取以及相应的相似性测量算法是图像处理技术研究热点，不但在工业生产中有 广阔的用途，而且也可广泛应用于军事、航天、环境、医疗、生物、金融、交通 甚至家庭【lj ，因此，研究如何能够在复杂的环境中迅速地获取目标，并且准确地判 断目标外观是否符合预先所设定的标准，是目前工程界一个极富挑战性的课题， 具有非常重要的理论意义和应用价值。 目前我国用于物体表面质量自动检测系统的核心器件大多数为国外公司制 造，如现在已经在国内几家知名饮料企业成功运行的自动化p e t 瓶缺陷检测系统， 其技术以西门子图像处理器为核心，并结合西门子自动化设备，经过二次开发而 成。而国内几乎没有技术运行可靠、广泛使用并具有自主知识产权的产品外观质 5 山东大学硕士学位论文 量检测系统。因此，研究一种具有自主知识产权的智能机器视觉模块具有非常重 要的现实意义。 1 2 国内外研究现状分析 在实际中，许多成像应用中的图像分析可集中于形状特征的分析。目标图像 中形状的表示和描述，是计算机视觉和模式识别的基本任务；形状的描述所需的 属性是平移、缩放、旋转不变性，甚至投影不变性；一个理想的形状描述符应该 独立于应用，而不是只针对于某种特定的形状具有良好的表现【2 1 。形状表示和形状 特征的描述技术大致可分为两种方法：基于轮廓的方法和基于区域的方法；在文 献中提出的形状特征提取算法使用各种方法和技术，并强调形状特征提取问题的 不同方面；大多数的形状特征提取算法都涉及计算几何、统计学、变换域( 傅里 叶变换、多尺度变换等) 等数学方法【3 】。 目前国际上机器视觉系统的应用一直是工程领域研究的热点和难点【4 】，同时机 器视觉在各行各业的应用也得到前所未有的推广；国内也已经开始进行机器视觉 产品的研究和开发，并取得一定的研究成果，开发出一系列的技术产品，但是与 国外的研究和应用情况相比较还具有一定的差距【5 】。现在国外已经有许多高等院校 和研究机构开展这一方面的研究，也有许多厂家致力于机器视觉系统的开发和生 产，生产出的机器视觉系统产品已经应用到工业生产中，具有较为突出的性能表 现。这类检测系统一般都是采用基于高分辨率和高清晰度的工业相机的系统结构， 具有较好的通用性，集成度较高，处理速度较快。但是上述机器视觉检测系统还 存在着对于光源要求高、检测算法简单而且不易更改等问题。同时，上述系统对 摄像机安装的位置和方向有严格的要求。在检测产品时，一般都需要在检测之前 对生产线上的产品进行整理，对产品的摆位和间隔有严格要求，对不同生产线或 者同一生产线上不同品牌的产品检测适应性较差。 形状特征可以有效地表示目标图像中的内容信息，但形状特征提取算法也存 在一些问题：形状特征提取算法建立比较完善的数学模型还存在较大困难；形状 特征对于目标物体的形变不具有鲁棒性；许多形状特征仅对目标图像局部区域的 性质进行描述，描述全局信息无法满足实时处理的速度要求和硬件设备的存储要 6 山东大学硕士学位论文 求；许多形状特征所反映的目标信息与人的感官信息不完全一致1 6 1 。一般来说，物 体通过二维目标图像中表现的只是物体在某一平面上的投影，物体的形状通常不 能从二维图像中反映出来，同时由于相机或者观察视点的变化，目标图像可能会 产生各种失真，对后续的目标识别和分类产生不利的影响。 目前，我国已经有企业和研究机构研制开发了产品包装检测系统，用于生产 线上某些特定产品的质量检测，但是仍然没有能够很好地解决上述问题，同时还 面临着较高的设备成本的问题。目前，在机器视觉产品研究开发领域，我国投入 的技术力量还远远不够，相关系统的研究开发工作水平较低，普遍采用国外的技 术和产品，缺少具有自主知识产权的核心技术【5 】【6 l 。当前我国产品外观质量检测系 统在开发和使用中存在的主要问题有： ( 1 ) 设备和安装成本高，无法准确获取图像特征。目前在工业生产中使用的产 品外观质量检测系统通常采用了较为简单的图像特征提取算法，例如仅提取颜色 统计特征和( 或) 基本形状特征( 如面积、圆度或椭圆度) ，该类方法计算简单， 计算量较小，容易设计实施，但缺乏对图像内容信息的挖掘，无法准确获取目标 本质特征，容易对光线变化、背景改变和形状的仿射变换引起的形状影像的轻微 改变做出错误判断，从而对检测环境和设备安装存在很强的依赖性。为了弥补这 一缺陷，当前在实际应用中通行的做法是采用高精度，高稳定度的工业级图像采 集设备和光源。这样做的结果尽管使得系统的性能有所改善，但是付出了昂贵的 成本代价，从而限制了质量自动检测系统的应用普及。 ( 2 ) 系统的稳定性、可靠性和抗干扰能力有待进一步提高。当前系统通常采用 简单的目标分割算法，所以对被检测产品的位置和间隔有很高的要求，否则会对 系统的检测稳定性产生很大的影响，甚至使系统无法正常工作。如卷烟行业使用 的烟条外观质量视觉检测系统，为达到所需要求，在检测区间的前端安装了整理 系统，负责将产品以同样的间隔和相同的角度进入检测区间，顺序而稳定地通过 检测系统，这样就人为地增加了成本。 这些问题存在的根本原因在于当前系统并没有充分发挥计算机视觉的智能 性，其目标分割、特征提取及相似性测量算法仍然停留在上世纪九十年代中期的 水平。近十多年来，随着计算机技术的迅猛发展和m p e g 7 标准的制订，图像颜 7 山东大学硕士学位论文 色信息、纹理信息和形状信息作为特征进行提取均有大量的算法出现。相对于颜 色或纹理信息而言，形状特征更能对物体进行唯一的描述。对于产品外观检测而 言，特征的唯一性和鲁棒性都十分重要：特征唯一性有利于区分外观相似的物体， 从而防止外观质量不符合要求的产品流入市场；而良好的鲁棒性则可防止相似的 物体因照明、视角等变化，以及噪声影响而造成的错误判断，减少对合乎质量要 求的产品误归类为质量有缺陷的产品的概率，提高系统的稳定性。因此，研究一 种适用于物体表面质量检测专用的形状特征提取及相似性测量算法是目前工程界 一个极富挑战性的课题，具有非常重要的理论意义和应用价值。 完整的产品外观质量自动检测系统包括图像采集单元、图像处理单元和判决 与控制单元。产品外观检测系统结构如图1 1 所示。根据当前在实际应用方面存在 的问题，产品外观检测系统的研究内容主要包括以下部分：复杂背景下目标分割 算法、目标鲁棒性特征提取算法以及相似性判决算法。 1 3 本文的研究工作 图1 1 产品外观检测系统结构图 本文在产品外观质量自动检测系统的框架下，对具有不变性的形状特征提取 算法及相应的相似性算法展开研究，旨在实现对在普通生产流水线的产品作快速 自动分割并提取其特征，无论该产品摆位如何、光照如何、背景如何，提取的特 征均具有相对的不变性，特别是对于仿射变换具有鲁棒性，利用相应的相似性测 量算法，获得被测目标与模板问的距离，根据设定的门限判断被测目标是否符合 质量要求。 弦长关联统计算法基于统计学原理，利用形状弦长的相关特性，统计形状各 8 山东大学硕士学位论文 个方向的弦长，并利用直方图进行表示；将各个方向的弦长统计直方图按照角度 顺序排列，形成弦长的相关矩阵，用该矩阵表示形状特征【7 。实验表明该特征具有 尺度变换和旋转不变性，具有较强的抗噪声干扰和抗轻度部分遮挡的能力，并对 非刚性形变具有较强的抵抗能力。在实际应用中，仿射变换是一种常见的变换形 式，仿射变换之后的物体弦长形状特征发生很大变化，基于弦长关联统计形状特 征提取的方法对于仿射变换不具有鲁棒性，不利于物体形状的检索和识别。该算 法在实验中表现出的抵抗仿射变换能力不够理想，主要原因之一是该算法统计弦 长时仅作归一化处理，没有考虑到仿射变换对于平行弦间距的影响，同时利用弦 长的统计信息也忽略了弦长的位置信息。本文对统计弦长的处理方法加以改进， 完善其理论结构，进一步挖掘图像目标的固有信息，对各个方向的平行弦间距进 行了处理，并利用弦长的位置信息来构造特征向量，使改进的弦长关联算法在抗 仿射变换方面取得突破，进一步提高该算法的性能。 1 4 本文的内容安排 本文由以下几部分组成： 第一章绪论。本章主要阐述了本文研究的课题背景以及意义，国内外的研究 现状，并概述了本文的研究工作和内容安排。 第二章图像的形状特征提取。本章主要介绍了数字图像的形状特征提取的基 础知识和常用算法。本章首先介绍了基于内容的图像检索技术的理论和系统框架， 然后对图像的目标区域形状特征提取的算法进行分类介绍，同时分析了利用形状 进行图像检索存在的问题以及常用的相似性测度算法和常用的性能评价准则。 第三章弦长关联统计算法。本章主要介绍了弦长关联统计算法和相应的相似 性测量算法，并结合实验结果对该算法进行了分析，同时对该算法中存在的问题 提出了改进的思路。该算法基于统计学知识，利用形状弦长的相关特性，统计形 状在各个方向的弦长信息，并用直方图表示出来。各个方向的弦长统计直方图形 成弦长的相关矩阵，用归一化后的弦长矩阵表示形状特征。该算法原理简单，计 算量较小，无需标记点或关键点，能够有效利用目标形状的区域特性。实验结果 表明该算法具有平移、旋转和尺度不变性，并且对于轻微遮挡和噪声干扰具有卓 9 山东大学硕士学位论文 越的抵抗能力。由于该算法没有考虑仿射变换的影响，在实验中表现出的抵抗仿 射变换能力不够理想。 第四章改进的弦长关联算法。本章首先介绍了仿射变换的基本概念以及仿射 性不变特征提取的相关算法。本章针对弦长关联统计算法中存在的问题进行了改 进，完善了该算法的理论结构，进一步挖掘图像的固有信息，并针对该算法使用 弦长的统计信息，忽略了物体形状中各个方向上弦长的位置信息这一问题进行了 改进，使其在抗仿射变换方面取得突破，进一步提高该算法的性能。本章提出改 进的相对弦长关联统计算法主要对弦长关联算法中统计弦长的方法进行改进，用 绝对弦长与通过质心的弦长的比值，即相对弦长，代替绝对弦长。为了能够满足 工业应用中对于实时处理的要求，本章利用与该方向垂直的方向主弦对该方向平 行弦的间距进行归一化，并对提出的改进算法在c o i l 1 0 03 d 数据库上进行了仿真 实验，实验结果表明该算法抵抗仿射变换的能力得到显著提高。针对弦长关联统 计算法中没有考虑弦长位置信息的问题，本章提出根据封闭区域面积之比的仿射 不变性来确定弦长位置的方法，利用弦长位置信息和弦长排序信息来构造弦长位 置矩阵，提取的弦长位置矩阵特征在理论上具有严格的仿射不变性。本章对实际 的飞行器图像进行实验，实验结果表明弦长位置矩阵描述形状特征对于仿射变换 具有良好的鲁棒性。 第五章总结与展望。本章总结了本文的内容和所做的工作，并对下一步的研 究方向和工作进行了展望。 l o 山东大学硕士学位论文 第二章图像的形状特征提取 近年来，随着科学技术的迅速发展，图像已经成为一种重要的信息资源。人 们对图像信息资源需求的巨大增长，使得基于形状的图像检索技术发展很快，已 经成为基于内容的图像检索技术十分重要的研究方向。该技术的一个重要部分就 是对目标图像的形状特征提取算法，以及相应的相似性测度算法进行研究。在目 标图像的形状特征提取算法的研究中，相似性特征是一个重要的内容。相似性特 征是指同一类物体共同的特征。作为计算机视觉技术重要的研究内容，提取相似 而不完全相同的物体的共同特征，是一项非常艰巨的任务。对于计算机来说，自 动识别目标图像中的形状仍然是相当困难的任务，当目标图像发生平移、旋转、 尺度变化甚至仿射变换，存在部分遮挡或者噪声干扰时，如何使计算机能够快速、 准确地识别出目标的形状是非常具有挑战性的难题。 2 1 基于内容的图像检索 基于内容的图像检索是通过计算机自动提取目标图像中的视觉特征，然后有 效地描述目标图像的视觉信息，使得用户能够对这些目标图像中的内容进行查询 和访问。基于内容的图像检索技术关注的是：对目标图像的内容通过计算机进行 自动分析；根据目标图像中自动提取的视觉特征信息直接建立索引；通过一定的 相似性匹配算法进行查找符合查询条件的目标图像【8 j 。 形状是目标图像中重要的内在特征，同时也是目标图像内容信息的重要载体。 利用形状进行目标图像的检索可以大大提高检索效率。近年来，形状特征提取和 相似性测度算法，已经成为基于内容的图像检索技术的研究热点之一。 目前，基于内容的图像检索技术和相关体系还很不成熟，理论和应用上的研 究热点和难点很多，研究内容主要集中在以下三个方面： ( 1 ) 图像特征提取与匹配 目标图像的特征提取算法以及相应的相似性测度算法，是基于内容的图像检 索技术研究需要解决的主要问题。特征提取指的是：从目标图像中提取出来其自 山东大学硕士学位论文 身固有的内容信息；根据这些信息，使得用户可以来完成对目标图像的检索；在 进行图像检索时，应该根据所选取的目标图像特征的特点，选择或者构造合理的 相似性度量方法，从而进一步提高图像检索系统的性斛9 1 。 ( 2 ) 数据模型与索引技术 根据不同的图像数据分布情况和应用场合，索引技术有着不同的适用范围， 因此，在进行目标图像检索时，选用合适的数据结构是非常关键，同时也是非常 必要的：在实际应用中，在选择合适的数据结构模型时，必须要结合所提取的目 标图像特征的特点来进行，同时，高维索引技术也是提高大规模图像集检索速度 的重要方法【l o l 。 ( 3 ) 用户接口与相关反馈 用户接口提供的描述方式，不仅要能够准确地体现出用户的检索意图，同时 包含的目标图像描述性信息要易于图像检索系统接受；用户可以利用它进行查询 机制的选择，也可以进行图像检索结果的查询；同时，图像检索系统也应该能够 根据用户的评价进行相关反馈，以不断修正检索方法，从而使得图像检索系统的 性能得到进一步提高1 9 1 。基于内容的图像检索系统结构如图2 1 所示。 1 2 图2 1 基丁内容的图像检索系统结构 山东大学硕士学位论文 2 2 形状特征提取 2 2 1 形状特征的描述方法 形状特征提取是将输入的图像数据转换为形状特征序列的过程。目标图像中 包含大量的数据，然而，图像通常被认为是冗余的( 数据量很大，但是信息量却 不是很大) ，因此，需要将输入的图像数据转换为简化的表示形状特征的序列( 通 常被称为特征向量) 。利用形状特征可以非常直观有效地进行目标区分，因此，可 以大大提高图像检索的精度和效率。形状特征通常和特定的目标对象联系在一起， 因而含有一定的语义信息，是目标图像中最显著的核心特征；图像中感兴趣的目 标区域，可以通过形状特征有效地进行表达和描述。在计算机视觉、图像分析以 及模式识别等领域中，二维目标图像的形状特征提取算法的研究发展很快，应用 非常广泛【1 1 1 。形状特征可以从形状的轮廓或者形状所包含的区域里获得，分别称 为基于轮廓的形状特征提取和基于区域的形状特征提取，常用的算法包括傅里叶 描述符【1 2 1 、统计矩【1 3 1 、中轴变换【1 4 1 、尺度空间【1 5 】【1 6 1 、几何参数法f 1 7 】等。形状特征 提取目前还没有公认的数学模型，多数形状特征提取算法涉及的数学方法有计算 几何、统计学、变换域( 傅里叶变换、多尺度变换) 等，根据不同的空间域或变 换域的相互关系，获得具有不同性质的形状特征。 形状描述符可以定义为用以描述给定形状的一些数字集合，目标图像的形状 可能无法利用形状描述符进行完全重构，但是对于不同的目标形状，形状描述符 的差别应该足够大，以便有效地对不同的目标形状进行区分【l 。有效的形状描述 符还应该使用一定的相似性测度，对于显著不同的目标形状，相似性测度应该越 大；而对于相似的目标形状，相似性测度应该越小。此外，有效的形状描述符对 于目标形状的平移、尺度变换、旋转、仿射变换和非刚性变换应该具有良好的鲁 棒性；同时对于部分遮挡、形变、噪声引起的干扰具有一定的抵抗能力【1 8 】。 目标图像的形状可以用图像的轮廓、区域或者有限点集进行表示。基于轮廓 的形状描述符仅仅利用了目标图像的边界信息，而忽略了图像的内容信息，因而 这种方法不能很好地表示下列物体：内部带有空洞的物体、部分遮挡的物体以及 具有不连续区域的结构较为复杂的物体；基于区域的形状描述符则利用了目标图 山东大学硕士学位论文 像的边界信息以及内部信息，区域的分割与轮廓的分割相比，更加容易实现，但 是基于区域的方法提取的特征维数一般较大，这就导致了特征提取和相似性测度 计算量的增大；基于有限点集的形状描述符表示的是采样点集，该采样点集来自 于应用在目标图像的边缘检测算子的输出数据，这些采样点集不需要进行排序， 因此在实际应用中很容易实现。 形状描述符根据形状特征表达的形式可以分为： ( 1 ) 基于轮廓的形状描述符：利用形状的目标区域轮廓信息，表示边界轮廓的 像素集合； ( 2 ) 基于区域的形状描述符：利用形状的目标区域整体信息，表示目标区域所 有的像素集合。 每类方法还可进一步划分为基于结构和基于全局的方法【8 】【1 7 1 。详细的形状描述 技术分类如图2 2 所示。 形状l 1 4 结构型 j 链码 b 样条 多边形 不变量 基于轮廓 全局型ll 全局型 紧致性 形状签名 小波描述符 h a u s d o f f 距离 周长 傅里叶描述符 尺度空间 弹性匹配 基于区域 几何不变矩 形状矩阵 广义傅里叶描 述符 欧拉数 栅格理论 面积 离散度 偏心率 z e m i k e 矩 结构型 _ _ _ _ _ _ _ _ _ _ _ _ _ _ - - 。_ _ _ _ - 。_ 。 土 中轴变换 凸包 核函数 图2 2 形状描述技术分类 通过对形状特征提取的近四十种热点算法进行了实验和对比，按照图形图像 山东大学硕士学位论文 处理方法可以将形状特征提取算法分为以下七类【l 8 】： ( 1 ) 轮廓一维函数表示法，又称为形状签名，是用一维函数表示形状的某些特 征。其中包含累积切线角函数9 1 、轮廓曲率函数【2 0 l 、扇形面积函数、归一化部分 面积向量【2 l 】、三角形面积表示法1 2 2 1 、弦长函别2 3 1 等。该类方法具有明确的函数表 达式，非常有利于后期的相似性测量；计算量小，并且很容易与多尺度分析相结 合，从而有利于提高表达准确度和计算速度。但该类方法对于噪声较敏感，要求 有较高的形状分割质量和较复杂的预处理技术。对于目标形状的平移，轮廓一维 函数表示法需要在进行相似性测度时解决这一问题。一个替代的方法是使用该类 方法提取特征后，一般还需要进一步处理以增强特征的鲁棒性，同时也减少特征 匹配时的负担。 ( 2 ) 多边形近似方法，通常采用融合算法或分裂算法1 2 4 1 ，是在一定的近似准则 下采用首尾相连的直线段来近似目标形状的轮廓。多边形近似方法可以用较少的 数据和较为简洁的形式来表示和描述轮廓。距离门限算法、隧道算法以及多边形 进化算法【2 5 】是实际应用中常用而有效的多边形近似方法。该类算法自然模糊掉目 标形状的微小变化，捕捉了目标形状的主要特征，使用的度量准则通常有最小误 差、最小多边形周长、最小多边形内部面积以及最小多边形外部面积等；该算法 在抗噪声方面有着突出的性能，然而目标图像中形状的仿射变换以及部分遮挡对 于该类算法进行形状特征的提取将引起巨大的影响。目前，对于多边形近似方法 没有固定的评价标准。 ( 3 ) 空间关系特点算法，是描述形状轮廓或区域上的点、曲线间相互关系的算 法。该类算法包括自适应栅格分解算法【2 6 1 、限定盒算法【2 7 】、凸壳算法f 2 8 1 1 2 9 1 、平滑 曲线分解【3 0 l 、弦角统计算法【3 l 】、形状上下文【3 2 1 、弦分布表示法【3 3 1 、弦长上下文1 7 1 等。根据不同的空间相互关系特点获得的形状特征具有不同的性质，其中形状上 下文法对非刚性变形物体形状特征表现出来的卓越的鲁棒特性，已经成为形状特 征提取算法研究中的热点。 ( 4 ) 矩不变法，是通过计算目标图像中形状的轮廓或者区域的各阶矩来获得形 状特征的方法。在实际应用中使用不同的基函数可以得到不同的矩特征，有不变 矩【3 4 】、代数不变矩、z e m i k e 矩【3 5 】、径i 句c h e b y s h e v 矩等。不变矩是图像的一种统计 1 5 山东大学硕士学位论文 特性，是利用图像灰度分布的各阶矩来描述图像灰度的分布特性。实际上，不变 矩的构造是利用了二元齐次多项式系数的函数具有的不变性，因此可以根据代数 不变性为目标图像的矩特征建立起完善的数学模型【3 4 1 。矩不变法表示形状简明、 稳定且容易计算，因此在模式识别和目标分类中得到非常广泛的应用。然而由于 它描述的是目标图像中形状的全局特征，当部分形状被遮挡时，目标形状的矩特 征将发生较大的变化，同时，将高阶权值矩与目标形状的物理特征进行关联还是 非常困难的任务。 ( 5 ) 尺度空间近似法，是利用多尺度分析理论，将目标图像中形状投影在尺度 空间域，在该域中提取形状特征。典型的算法有曲率尺度空耐3 6 】【3 7 1 和交叉点映射 算法【3 s 】等。尺度空间近似法既可以描述形状的细节，又获得了形状的概貌特征， 可以较好地消除噪声干扰，并且与人类的感知行为模型比较一致，具有良好的应 用前景。其中，曲率尺度空间描述符已经成功应用于目标形状特征的描述以及检 索中。目前，该描述符已成为m p e g 一7 标准中轮廓描述的一种方法。由于尺度空间 近似算法对目标图像的形状采用滤波的方法进行处理，因此，使用尺度空间近似 算法提取的形状特征稳健性较好，但是在进行相似度测量时，一般计算量较大【3 6 】。 ( 6 ) 形状变换域法，是将形状投影到不同的基函数上，用其系数表示形状特征， 包括傅里叶变换描述符3 9 】1 4 0 】【4 1 1 【4 2 】、小波变换描述符【4 3 】m j 、径向角变换算法【4 5 1 、形 状标志和谐嵌入算法【4 6 1 、改进型r a d o n 变换4 7 1 等。使用这类算法一般是将闭合轮廓 线上的任意一点位置看作为一个周期函数，因此该轮廓线可以用不同的变换函数 进行展开，低频信息对应于目标形状轮廓的概貌，高频信息对应于目标形状轮廓 的细节。该类算法使用不同数量的系数可以获得不同精确度的形状描述，从而可 以方便地在描述精确度和描述复杂度上进行平衡。 ( 7 ) 基于形状轴的表示算法，表示形状常用的轴包括长轴、短轴、最小惯量轴 以及中轴等，典型的基于轴的形状表示方法包括基于最小惯量轴的符号表示法【4 引、 束堆刚4 9 】等。这些基于形状轴的形状描述符均与旋转、平移和尺度放缩无关，提 取的特征可以同时利用目标图像中的边界信息和区域信息，但是这些特征的提取 依赖于目标图像的分割结果，而且目标图像中的边界变化和噪声干扰也会对最终 的结果造成很大的影响。 1 6 山东大学硕士学位论文 2 2 2 形状特征提取算法分析 形状是目标图像中包含丰富信息的内在特征，人们对于一幅图像的理解很大 程度上依赖于对图像中目标形状的区别和感知。形状的描述和识别在计算机视觉 和图像分析的研究中占有十分重要的地位。目标图像中形状特征的表示和描述是 目标识别的基础；形状的表示可能是一系列外部边界坐标的集合，也可能是利用 二维函数表示的区域( 轮廓) 。对于二维图像，形状特征提取阶段生成用于图像形 状匹配时所需的描述信息，也就是说，形状特征提取的目的是获得形状描述符； 形状描述符是用于表示形状特征的一系列数据集合。一般来说，目标图像中形状 的表示和描述要求尽可能地被压缩，。以便满足高效存储和检索要求；同时特征描 述符需要整合特征信息，以满足区分形状的要求，但是，这个问题一直是非常困 难的任务【1 7 1 。 在目前的实际应用中，提取形状特征的方法对目标图像预处理的要求比较高， 主要是要求有较高的图像分割质量，而这一点的难度相当大，因此自动而准确地 提取目标图像中的形状特征非常困难，特别是对于大规模的图像数据集以及高维 数的图像特征，这个问题严重制约着形状特征在实际中的应用【l o j 。由于图像中目 标形状的自动获取比较困难，因此，目前基于目标图像形状特征的应用一般仅限 于比较容易识别的目标物