基于形狀特征的昆蟲圖像語義標注*:圖像語義分割

　　摘要:鑒于人工對昆蟲圖像進行分類標注費時費力,而且由于主觀因素的影響,使得標注結果不統(tǒng)一,造成后續(xù)對昆蟲圖像的檢索結果不理想,本文提出了基于圖像形狀特征的昆蟲圖像語義標注方法。首先介紹了圖像中目標對象的特征提取;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)對昆蟲圖像標注的的實驗結果。實驗證明該方法不僅可以彌補傳統(tǒng)昆蟲學家手工對昆蟲圖像進行標注的方法的不足,同時能夠給用戶提供更為實時、準確的昆蟲圖像語義標注結果。
　　關鍵字: 特征提取;圖像分割;圖像標注
　　中圖分類號:TP 391.4 文獻標識碼:A文章編號:1003-2851(2010)08-0114-01
　　
　　圖像標注是圖像檢索中重要的一項工作,理想的標注結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域。本文提出的基于形狀特征的昆蟲圖像標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對象的形狀特征做聚類分析,完成對昆蟲圖像的中目標對象的分類識別,并與昆蟲學的領域知識相關聯(lián)給出標注信息。
　　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形狀的內(nèi)部像素信息,可以應用于一般場合,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對象二維極坐標傅里葉變換后的頻譜特征,可以出色地捕獲目標形狀的徑向和環(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.圖像標注。本文實現(xiàn)標注的主要思想是通過圖像模式識別中動態(tài)聚類算法對待標注圖像首先進行分類,在獲取了分類號后通過與關鍵字庫關聯(lián),從而實現(xiàn)圖像的標注。本文的整個實驗過程是在VC++6.0的環(huán)境下實現(xiàn),關鍵字庫是在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注。在以上獲得的聚類中心的基礎上計算待測樣品X到的中心點X(w)的距離,采用公式(2)進行計算,根據(jù)聚類結果獲得分類號,再根據(jù)分類號查詢關鍵字庫,從而獲得圖像的標注信息。標注結果如圖4所示。
　　二、實驗結論
　　實驗表明利用目標對象的形狀特征對昆蟲圖像進行標注,能夠取得較理想的標注結果,但此方法僅適合于背景簡單的昆蟲圖像標注。
　　基于形狀特征的昆蟲圖像語義標注在實現(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對象提取出來;其次,若背景構成復雜時也無法較準確提取對象,怎樣將目標對象能更加全面、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)標注時只使用了昆蟲圖像的形狀特征,關于昆蟲圖像的顏色和紋理特征在昆蟲圖像標注上的應用需進一步研究學習。
　　
　　 參考文獻
　　[1]楊淑瑩.VC++圖像處理程序設計[M].北京:清華大學出版社,2003
　　[2]楊淑瑩.圖像模式識別[M].北京:清華大學出版社,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用[J].武漢理工大學學報, 2004,28(2):18-21

相關熱詞搜索：語義 昆蟲 標注 基于形狀特征的昆蟲圖像語義標注* 昆蟲圖像特征研究 圖像處理軟件