摘要:鑒于人工對昆蟲圖像進行分類標(biāo)注費時費力,而且由于主觀因素的影響,使得標(biāo)注結(jié)果不統(tǒng)一,造成后續(xù)對昆蟲圖像的檢索結(jié)果不理想,本文提出了基于圖像形狀特征的昆蟲圖像語義標(biāo)注方法。首先介紹了圖像中目標(biāo)對象的特征提取;詳細闡述了基于圖像底層特征進行聚類分析實現(xiàn)標(biāo)注的過程;最后給出了用以上方法在VC++6.0環(huán)境中實現(xiàn)對昆蟲圖像標(biāo)注的的實驗結(jié)果。實驗證明該方法不僅可以彌補傳統(tǒng)昆蟲學(xué)家手工對昆蟲圖像進行標(biāo)注的方法的不足,同時能夠給用戶提供更為實時、準確的昆蟲圖像語義標(biāo)注結(jié)果。
　　關(guān)鍵字: 特征提取;圖像分割;圖像標(biāo)注
　　中圖分類號:TP 391.4 文獻標(biāo)識碼:A文章編號:1003-2851(2010)08-0114-01
　　
　　圖像標(biāo)注是圖像檢索中重要的一項工作,理想的標(biāo)注結(jié)果可以使圖像檢索為用戶提供實時的、準確的需求對象。昆蟲圖像處理是圖像處理的一個新的年輕領(lǐng)域。本文提出的基于形狀特征的昆蟲圖像標(biāo)注是計算機對昆蟲圖像進行有效管理和利用的一個突破性進展。其主要思想通過對圖像中目標(biāo)對象的形狀特征做聚類分析,完成對昆蟲圖像的中目標(biāo)對象的分類識別,并與昆蟲學(xué)的領(lǐng)域知識相關(guān)聯(lián)給出標(biāo)注信息。
　　一、實現(xiàn)過程及方法
　　(一)研究對象及其特點。在實際中昆蟲個體可能具有的任何屬性都是其特征,包括昆蟲的形態(tài)特征、生化特征、生理特征等,這些特征都可以作為我們識別某一種昆蟲的依據(jù)。但在計算機中,只能由昆蟲圖像本身的特征來區(qū)別不同的昆蟲。本文主要針對昆蟲類中無翅亞綱的五大目昆蟲圖像進行標(biāo)注。該五大目分別是原尾目、彈尾目、雙尾目、石?目、衣魚目,它們的共同特征是無翅,體型微小,但它們的外形差異較大,可以作為它們相互間的一個區(qū)分點。
　　(二)實現(xiàn)過程
　　實現(xiàn)的模塊流程如下圖[1,2]:
　　
　　1.形狀特征提取算法描述[3]�；�于無翅亞綱的五大目昆蟲本身外在形狀的顯著差異,本文主要利用昆蟲圖像形狀特征作為分類標(biāo)注的依據(jù)。形狀特征可以分為兩類:邊界特征和區(qū)域特征�；�于邊界的描述方法僅僅只利用了邊界信息,丟失了形狀的內(nèi)部內(nèi)容,而且在目標(biāo)形狀脫節(jié)不能獲取邊界信息時難以適用。而基于區(qū)域的描述方法利用了目標(biāo)形狀的內(nèi)部像素信息,可以應(yīng)用于一般場合,由于目前所有的區(qū)域描述方法提取的均是形狀的空域特征,因此該方法對噪聲和形狀的細微變化比較敏感,抗干擾能力不強。因此本文使用文獻[3]提出的改進的傅里葉描述符,該方法提取的是圖像中目標(biāo)對象二維極坐標(biāo)傅里葉變換后的頻譜特征,可以出色地捕獲目標(biāo)形狀的徑向和環(huán)向特征,可以以一定的精度很好地描述目標(biāo)物體的形狀特征。而且可以對形狀的相似性進行定量的判別,其抗干擾能力強,通用性較高。
　　2.圖像標(biāo)注。本文實現(xiàn)標(biāo)注的主要思想是通過圖像模式識別中動態(tài)聚類算法對待標(biāo)注圖像首先進行分類,在獲取了分類號后通過與關(guān)鍵字庫關(guān)聯(lián),從而實現(xiàn)圖像的標(biāo)注。本文的整個實驗過程是在VC++6.0的環(huán)境下實現(xiàn),關(guān)鍵字庫是在SQL Server數(shù)據(jù)庫下建立的一個二維表。
　　(1) 使用樣本圖像獲得聚類中心
　　動態(tài)聚類算法的主要思想是選擇若干樣品作為聚類中心,再按照某種聚類準則,將其余樣品歸入最近的中心,得到初始分類。然后判斷初始分類是否合理,若不合理則按照特定規(guī)則重新修改不合理的分類,如此反復(fù)迭代,直到分類合理。本文采用K均值聚類算法,該算法能使聚類域中所有樣品到聚類中心的距離平方和最小。選取K=5,以原尾目、彈尾目、雙尾目、石?目、衣魚目五類昆蟲為分類對象,首先使用K均值算法在180幅樣本圖像集上進行分類,目的是獲取一個穩(wěn)定的聚類中心,在聚類算法中,由于初始的聚類中心為單個樣品,所以計算樣品到聚類中心距離采用歐氏距離,公式為:
　　 Dij2 =(Xi-Xj)T(Xi-Xj)=Xi-Xj2=(xik-xjk)2(1)
　　其中n為特征向量X的維數(shù),xik代表圖像的某一特征值。
　　后續(xù)在聚類中心不斷更新的過程中,計算樣品到聚類中心的距離的公式為:
　　 D2(X,w) =D2(X,X(w))=xk-xk(w)2 (2)
　　X(w)為第w的中心點,即以w中所有樣品特征的平均值作為類中心。
　　(2)未知圖像的聚類及標(biāo)注。在以上獲得的聚類中心的基礎(chǔ)上計算待測樣品X到的中心點X(w)的距離,采用公式(2)進行計算,根據(jù)聚類結(jié)果獲得分類號,再根據(jù)分類號查詢關(guān)鍵字庫,從而獲得圖像的標(biāo)注信息。標(biāo)注結(jié)果如圖4所示。
　　二、實驗結(jié)論
　　實驗表明利用目標(biāo)對象的形狀特征對昆蟲圖像進行標(biāo)注,能夠取得較理想的標(biāo)注結(jié)果,但此方法僅適合于背景簡單的昆蟲圖像標(biāo)注。
　　基于形狀特征的昆蟲圖像語義標(biāo)注在實現(xiàn)時還存在以下問題:首先,若圖像中的昆蟲對象與背景顏色相近時,無法較合理的將目標(biāo)對象提取出來;其次,若背景構(gòu)成復(fù)雜時也無法較準確提取對象,怎樣將目標(biāo)對象能更加全面、準確的提取出來,還有待于進一步的研究。在實現(xiàn)分類時,為形成較穩(wěn)定的聚類中心選擇定量的圖像數(shù)量進行預(yù)分類,該方法的效率在巨量圖像面前成本會急劇增加,有待于進一步改進;最后,本文在實現(xiàn)標(biāo)注時只使用了昆蟲圖像的形狀特征,關(guān)于昆蟲圖像的顏色和紋理特征在昆蟲圖像標(biāo)注上的應(yīng)用需進一步研究學(xué)習(xí)。
　　
　　 參考文獻
　　[1]楊淑瑩.VC++圖像處理程序設(shè)計[M].北京:清華大學(xué)出版社,2003
　　[2]楊淑瑩.圖像模式識別[M].北京:清華大學(xué)出版社,2005
　　[3]范春年,傅德勝.一種改進的二維傅里葉描述子在基于形狀的圖像檢索中的應(yīng)用[J].武漢理工大學(xué)學(xué)報, 2004,28(2):18-21

相關(guān)熱詞搜索：語義 昆蟲 標(biāo)注 基于形狀特征的昆蟲圖像語義標(biāo)注* 昆蟲圖像特征研究 圖像處理軟件