论文部分内容阅读
[摘 要]首先对HIS空间做简单的介绍与分析,使用符合人类视觉特性的HSI色彩模型空间,把非均匀RGB彩色空间转化到HIS空间上。对图像进行基于空间权重的重叠分割,采用Euclidean计算相似度,在现有数据库中找到相似度最高的图片,实现图像的自动标注。此文结合图像检索和自动标注技术,把标注后的图像加入到已有图像库中,动态地扩充图像数据库。
[关键词]自动标注技术;HIS颜色空间;重叠分割;图像检索;相似度计算
中图分类号:TP391.3 文献标识码:A 文章编号:1009-914X(2013)22-0207-02
1 引言
随着互联网时代的到来,多媒体数据,特别是图像数据,正以几何倍数增长,人们对多图像信息的需求量也大大增加。然而,信息爆炸式的增长已经使大量互联网用户迷失在信息的海洋,这促使信息检索的产生。如何快速地,准确地从海量图像数据中查索出用户感兴趣的图像成为一个必要的研究课题。
现有的互联网搜索引擎均提供基于文本的图像检索功能,而人工标注是一种费时费力的工作,因此图像自动标注系统的开发也自然要成为人类所要面对的问题。
图像自动标注( Automatic Image Annotation, AIA) 就是让计算机自动地给无标注的图像加上能够反映图像内容的语义关键词,是图像检索中重要而极具挑战性的工作。
2 目前研究现状
自动被标注分为基于全局特征和基于区域划分的自动图像标注方法。本文采用基于全局特征的自动标记。目前此方面的研究进行了好几年,但由于语义信息的难度性,投入应用较少。由以下表格可以看出(如表1):
在图像检索方面,研究主要涉及物体的边缘、尺寸与面积的检测以及色彩的检索等方面。而颜色是物体重要的外在特性,是人们感受最强的图像特征,具有对物体本身的尺寸、方向、视角等依赖性小、鲁棒性高等优点。现有检索的主流是RGB颜色空间,然而HIS模型反映了人的视觉对色彩的感觉。本文是基于HIS(Hue-Saturation-Intensity)彩色空间,HIS 颜色模型是一种适合人们肉眼分辨的模型,对人眼的效果理想。输入图像,在现有图像库中检索出与目标图像相似度最高的图像,并把其关键词标注给目标图像。动态的扩充图像数据库,且为基于语义的检索打下基础。
3 对HIS三维空间的处理
3.1 HIS三维空间简介:HIS颜色模型是一种适合人们肉眼分辨的模型,它把彩色信息表示为三种属性:色调(Hue)、饱和度(Saturation)和亮度(Intensity。其中,H定义颜色的波长,称为色调;S表示颜色的深浅程度,成为饱和度;I表示强度或亮度。
色调H,反应颜色最接近哪种光谱的波长,通常假设0度表示颜色的红色,120度表示绿色,240度为蓝色。(0~360的色相覆盖了所有可见光谱的彩色)。
饱和度S表征颜色的深浅程度,饱和度越高,颜色越深,如深蓝。饱和度的参数是色环的原点到彩色点的半径的长度。如图1,可以看出,环的边界上,饱和度最高,为1;在原点饱和度最小,为0;
亮度I,指光波作用于感受器所发生的效应,其大小由物体的射系数决定。把亮度最为色环的垂线,越高,亮度越大。则H,S,I构成了柱形颜色空间。如图1:
3.2 RGB空间到HIS空间的转化
3.3 把HIS空间量化
4 基于HSI的自动标注
4.1 图像的分割统计
现有的系统对直方图的统计忽略了图像的空间分布,一般而言,图像的中间部分携带的信息量更大,且信息更为重要。根据此考虑,本文采用权值叠加的方法,来处理空间分布的问题。方法如下:
图像的分割:把图像分割为7*7快,从中间往外依次扩充。中间的一块(1*1)为区域1,接着9块(3*3)为区域2,25块(5*5)区域3,最外面的一块(7*7)为区域4.如图2(不同颜色标记):
则把图像分为了4块,分别对每块进行直方图统计处理。针对每一块,对每个像素点做处理G=9H+3S+I,根据频率统计直方图。形成4个72维直方图。
4.2 采用Euclidean(欧几里德距离)进行相似度计算
欧几里德距离在特征空间划出了一个超球面,该超球面上的所有点到球心的距离是相等的。欧几里德距离通过特征向量差值的均方差反映了图像之间的差异。它简便易行,有清晰的物理意义,即距离小,匹配好,说明两个特征之间的相似度大。反之,距离大,匹配差,说明两个特征之间的相似度小。
其公式如下:
4.3 标注
对目标图像根据图像库进行语义标注。标注完成加入图像库中。
5 流程图
6 结论
本文基于更符合人眼特性的his颜色空间,且考虑了图像的空间分配,基于图像权重进行分割。结合了图像检索与自动标注技术,使两者相辅相成,图像数据库像滚雪球一样不断地扩大。在此基础上实现图片的搜索、图像分类、图像相似度比较等功能。并且实现自动图像标注,则图像检索问题就可以转化为相当成熟的文本检索问题。
参考文献
[1] 姚敏.数字图像处理.[M]浙江:机械工业出版,2008.
[2] 王上.基于内容的图像检索与分类若干技术的研究[D].吉林大学.2010-12
[3] 徐红霞,郑龙,王厅列等.基于HIS颜色空间统计直方图的图像检索[J].电脑知识与技术,2009-31.
[4] 林麗慧.一种改进的颜色直方图相似性度量算法[N].武夷学院学报.2009-4.
[5] 荆学士,梁翯,刘灿.图像自动标注.
[6] 鲍泓,徐光美,冯松鹤,须德.自动图像标注技术研究进展[J].计算机科学,2011.7:38-7.
[7] Jeon,Lavrenko,Manmatha.Automatic image annotation and retrieval using cross-media relevance models.ACM New York.NY,USA,2003.
[关键词]自动标注技术;HIS颜色空间;重叠分割;图像检索;相似度计算
中图分类号:TP391.3 文献标识码:A 文章编号:1009-914X(2013)22-0207-02
1 引言
随着互联网时代的到来,多媒体数据,特别是图像数据,正以几何倍数增长,人们对多图像信息的需求量也大大增加。然而,信息爆炸式的增长已经使大量互联网用户迷失在信息的海洋,这促使信息检索的产生。如何快速地,准确地从海量图像数据中查索出用户感兴趣的图像成为一个必要的研究课题。
现有的互联网搜索引擎均提供基于文本的图像检索功能,而人工标注是一种费时费力的工作,因此图像自动标注系统的开发也自然要成为人类所要面对的问题。
图像自动标注( Automatic Image Annotation, AIA) 就是让计算机自动地给无标注的图像加上能够反映图像内容的语义关键词,是图像检索中重要而极具挑战性的工作。
2 目前研究现状
自动被标注分为基于全局特征和基于区域划分的自动图像标注方法。本文采用基于全局特征的自动标记。目前此方面的研究进行了好几年,但由于语义信息的难度性,投入应用较少。由以下表格可以看出(如表1):
在图像检索方面,研究主要涉及物体的边缘、尺寸与面积的检测以及色彩的检索等方面。而颜色是物体重要的外在特性,是人们感受最强的图像特征,具有对物体本身的尺寸、方向、视角等依赖性小、鲁棒性高等优点。现有检索的主流是RGB颜色空间,然而HIS模型反映了人的视觉对色彩的感觉。本文是基于HIS(Hue-Saturation-Intensity)彩色空间,HIS 颜色模型是一种适合人们肉眼分辨的模型,对人眼的效果理想。输入图像,在现有图像库中检索出与目标图像相似度最高的图像,并把其关键词标注给目标图像。动态的扩充图像数据库,且为基于语义的检索打下基础。
3 对HIS三维空间的处理
3.1 HIS三维空间简介:HIS颜色模型是一种适合人们肉眼分辨的模型,它把彩色信息表示为三种属性:色调(Hue)、饱和度(Saturation)和亮度(Intensity。其中,H定义颜色的波长,称为色调;S表示颜色的深浅程度,成为饱和度;I表示强度或亮度。
色调H,反应颜色最接近哪种光谱的波长,通常假设0度表示颜色的红色,120度表示绿色,240度为蓝色。(0~360的色相覆盖了所有可见光谱的彩色)。
饱和度S表征颜色的深浅程度,饱和度越高,颜色越深,如深蓝。饱和度的参数是色环的原点到彩色点的半径的长度。如图1,可以看出,环的边界上,饱和度最高,为1;在原点饱和度最小,为0;
亮度I,指光波作用于感受器所发生的效应,其大小由物体的射系数决定。把亮度最为色环的垂线,越高,亮度越大。则H,S,I构成了柱形颜色空间。如图1:
3.2 RGB空间到HIS空间的转化
3.3 把HIS空间量化
4 基于HSI的自动标注
4.1 图像的分割统计
现有的系统对直方图的统计忽略了图像的空间分布,一般而言,图像的中间部分携带的信息量更大,且信息更为重要。根据此考虑,本文采用权值叠加的方法,来处理空间分布的问题。方法如下:
图像的分割:把图像分割为7*7快,从中间往外依次扩充。中间的一块(1*1)为区域1,接着9块(3*3)为区域2,25块(5*5)区域3,最外面的一块(7*7)为区域4.如图2(不同颜色标记):
则把图像分为了4块,分别对每块进行直方图统计处理。针对每一块,对每个像素点做处理G=9H+3S+I,根据频率统计直方图。形成4个72维直方图。
4.2 采用Euclidean(欧几里德距离)进行相似度计算
欧几里德距离在特征空间划出了一个超球面,该超球面上的所有点到球心的距离是相等的。欧几里德距离通过特征向量差值的均方差反映了图像之间的差异。它简便易行,有清晰的物理意义,即距离小,匹配好,说明两个特征之间的相似度大。反之,距离大,匹配差,说明两个特征之间的相似度小。
其公式如下:
4.3 标注
对目标图像根据图像库进行语义标注。标注完成加入图像库中。
5 流程图
6 结论
本文基于更符合人眼特性的his颜色空间,且考虑了图像的空间分配,基于图像权重进行分割。结合了图像检索与自动标注技术,使两者相辅相成,图像数据库像滚雪球一样不断地扩大。在此基础上实现图片的搜索、图像分类、图像相似度比较等功能。并且实现自动图像标注,则图像检索问题就可以转化为相当成熟的文本检索问题。
参考文献
[1] 姚敏.数字图像处理.[M]浙江:机械工业出版,2008.
[2] 王上.基于内容的图像检索与分类若干技术的研究[D].吉林大学.2010-12
[3] 徐红霞,郑龙,王厅列等.基于HIS颜色空间统计直方图的图像检索[J].电脑知识与技术,2009-31.
[4] 林麗慧.一种改进的颜色直方图相似性度量算法[N].武夷学院学报.2009-4.
[5] 荆学士,梁翯,刘灿.图像自动标注.
[6] 鲍泓,徐光美,冯松鹤,须德.自动图像标注技术研究进展[J].计算机科学,2011.7:38-7.
[7] Jeon,Lavrenko,Manmatha.Automatic image annotation and retrieval using cross-media relevance models.ACM New York.NY,USA,2003.