Адаптивный выбор глобального порога бинаризации

143
ПОИСК ИЗОБРАЖЕНИЙ НА ОСНОВЕ АНАЛИЗА ИХ КОНТУРНЫХ И
ГИСТОГРАММНЫХ ХАРАКТЕРИСТИК
В.С. Панищев1
1КурскГТУ,
305040 г. Курск, ул. 50 лет Октября 94, тел. (47122) 58-71-05,
E-mail [email protected]
Рассмотрен метод поиска изображений по образцу на основе комбинированного
анализа их контурного описания и цветовых гистограмм.
В настоящее время широко используется
поиск конкретных изображений в больших
объемах баз данных и сетях. При этом
возможен поиск в базе данных всех
изображений, похожих на предъявляемое
изображение,
поиск
оригинала
изображения по некоторому искаженному
варианту, поиск отдельного фрагмента в
большом объеме цифровых изображений и
ряд других. Поиск изображений по
образцу, когда пользователь задает
фрагмент изображения, либо изображение
полностью
является
перспективным,
однако для поиска часто используется
сравнение по пикселям, что отрицательно
сказывается на времени поиска. Гораздо
эффективнее автоматическая генерация
идентификаторов изображений (ключевых
слов, характеристик) по исходному набору
изображений.
Проведенный
анализ
показал,
что
для
генерации
идентификаторов
(паспортов)
изображений
предпочтительнее
использовать
статистические
характеристики изображения, а похожесть
двух изображений оценивать путем
нахождения расстояния между паспортами
(векторами), вычисленного по некоторой
метрике.
Для
генерации
паспорта
изображения выполняется анализ его
содержания,
где
под
содержанием
изображения понимается распределение
цветов, текстура и форма областей
изображения, или классификация объектов
[1].
Очевидно,
что
процедура
эффективного поиска должна включать в
себя анализ нескольких, а по возможности
и всех этих характеристик.
Для анализа сходства двух изображений
предложено
использовать
их
гистограммные
и
контурные
характеристики.
Первоначально
анализируется
гистограмма
яркости
изображения,
представляющая собой характеристику его
цветовых составляющих. При этом
выполняется разбиение RGB-цветов по
яркости и анализ интенсивности по каждой
из цветовых составляющих.
Расстояние вычисляется на основании
поэлементного сравнения гистограмм с
учетом соседних элементов. Для каждого
элемента
гистограммы
первого
изображения вычисляется три разности (и
так по каждой цветовой компоненте):
для красного (R) цвета:
Rr1 (i)  H1r [i]  H 2r [i 1] ,
(1)
,
Rr 2 (i)  H1r [i]  H 2r [i]
Rr 3 (i)  H1r [i]  H 2r [i  1] .
Для
i=0
и
i=N
подставляются
максимальные значения яркости (255).
Аналогично определяется Rg1 (i) , Rg 2 (i ) ,
Rg 3 (i ) для зеленого (G) и Rb1 (i ) , Rb 2 (i ) ,
Rb3 (i) для синего цветов.
В формуле (1) H1, H2 - гистограммы
исходного и сравниваемого изображений.
Расстояние в рамках каждого из цветов
определяется
суммированием
минимальных разностей по каждой
цветовой компоненте:
N 1
S r   min( Rrk (i )) , 1  k  3 ,
i 0
N 1
S g   min( Rgk (i )) , 1  k  3 ,
i 0
N 1
Sb   min( Rbk (i )) , 1  k  3 .
i 0
(2)
144
Анализ соседних элементов гистограммы
позволяет снизить влияние освещенности.
Расстояние
между
изображениями
вычисляется с учетом значений расстояний
по
каждой
яркостной
компоненте
следующим образом:
(3)
d ( H1, H 2)  Sr2  S g2  Sb2 .
Метод оценки сходства изображений
позволяет выполнять поиск изображений
на основе анализа их яркостных
(построение и сравнение гистограмм) и
цветовых
(анализ
гистограмм
интенсивности выполняется по каждой
цветовой компоненте) составляющих.
На основе метода кодирования контуров
рассмотренного в [2] в дополнение к
гистограммному
описанию
строится
контурное описание изображений.
Поскольку в общем случае число контуров
на двух сравниваемых изображениях
может не совпадать, то выполняется
сравнение по некоторому количеству
контуров, заданных пользователем. Таким
образом, можно регулировать степень
требуемого соответствия сравниваемых
изображений. Очевидно, что чем больше
количество сравниваемых контуров, тем
больше вероятность того, что найдено
похожее на образец изображение. Оценка
схожести
контурных
описаний
выполнялась в соответствии с выражением
(4):
(4)
1 K N
d (C1, C 2) 
 (C1ij  C 2ij ) ,
K
i 1 j 1
где K – количество контуров, N –
количество элементов в контуре, C1, C2 –
контурные описания образцового и
сравниваемого с ним изображения.
Контурное описание представляет собой
множество контуров, каждый из которых
определен как набор векторов.
По двум вычисленным оценкам строится
обобщенная одна обобщенная, на основе
которой и принимается решение о
сходстве двух изображений.
Для
оценки
эффективности
была
выполнена обработка схожих и частично
отличающихся изображений (фотографии
природы в различное время суток,
преимущественно днем).
Для нескольких выбранных изображений
из ста был выполнен поиск схожих с ними
изображений.
Оценка
схожести
изображений проводилась визуально.
Комбинирование
гистограммного
и
контурного анализа позволило сократить
количество найденных изображений по
сравнению с каждым из подходов в
отдельности, а также уменьшилось
количество
неверно
найденных
изображений
Список литературы
1.
2.
Шапиро, Л. Компьютерное зрение [Текст] / Л.
Шапиро, Дж. Стокман; пер. с англ. А.А.
Богуславского под ред. С.М. Соколова. – М.
БИНОМ. Лаборатория знаний, 2006. – 752 с.
Мирошниченко,
С.Ю.
Распознающий
аппаратно-программный
диагностирующий
комплекс [Текст] / С.Ю. Мирошниченко,
В.Н. Мишустин, С.В. Дегтярев // Изв. ВУЗов.
Приборостроение. – Т. 48, №2. – 2005. – С. 2227.