趙 瑩， 遲冬祥， 胡 靜， 李菁輝

（1.上海電機(jī)學(xué)院 電子信息學(xué)院，上海 200240；2.中國科學(xué)院 上海光學(xué)精密機(jī)械研究所，上海 201100）

0 引言

視覺是靈長目類動(dòng)物具有的功能，對其仿生形成了機(jī)器視覺的研究［1－3］。機(jī)器視覺（machine vision，簡稱MV）是讓機(jī)器會(huì)看，“通過任何辦法對2D數(shù)據(jù)進(jìn)行理解”，去獲知“什么東西在哪里？”的信息，從而指導(dǎo)行動(dòng)，完成視覺任務(wù)，又稱計(jì)算機(jī)視覺（computer vision，簡稱CV）或圖像分析和理解（image analysis and understanding），它是任何智能系統(tǒng)必不可少的一個(gè)信息獲取通道［4－5］。根據(jù) Marr的三層視覺計(jì)算模型，從原始2D圖像到主基元圖（primal sketch）是視覺計(jì)算的第1層［6］。

在早期視覺理論中，圖像表示可分為結(jié)構(gòu)部分（如圖像中物體的輪廓）和紋理部分（如圖像中物體的草地等［7－9］）。從成像過程來看，由于物體離相機(jī)的距離遠(yuǎn)近不同，在近處的物體，形成了圖像中的結(jié)構(gòu)部分，在遠(yuǎn)處的物體，其客觀上的結(jié)構(gòu)已經(jīng)在圖像中不再可分辨，就形成了紋理的感覺。主基元圖是早期視覺中一種十分重要的圖像表示模型，其目的在于統(tǒng)一圖像中結(jié)構(gòu)和紋理的表示。在數(shù)學(xué)上，結(jié)構(gòu)部分屬于維度較低的低熵空間，如物體的輪廓可以通過一組邊緣（edges）或條（bars）來按照格式塔規(guī)則組合表示，它們可以通過顯式的構(gòu)成函數(shù)來建模，如稀疏編碼模型［10］。而紋理部分，則屬于維度較高的高熵空間，沒有顯式的構(gòu)成表達(dá)式，而是通過隱式的表達(dá)，圖像的統(tǒng)計(jì)特性符合一定的統(tǒng)計(jì)規(guī)律，通常通過馬爾可夫隨機(jī)場來建模［11］。

為此，主基元圖表示要能統(tǒng)一這2種不同的數(shù)學(xué)模型。文獻(xiàn)［6］在其視覺計(jì)算模型中提出了主基元表示理論，但是并沒有給出一個(gè)完備的數(shù)學(xué)模型和提取算法。文獻(xiàn)［12］提出一種灰度圖像的主基元圖模型和提取算法。但是從視覺感知理論［9］可知，顏色是圖像感知中一個(gè)十分重要的信息源，特別是對物體輪廓的感知有很重要的影響，從而影響了主基元圖的表示。

本文根據(jù)灰度主基元圖已有的研究，通過改進(jìn)提出了彩色圖像的主基元圖，實(shí)驗(yàn)結(jié)果表明，彩色圖像主基元圖更加符合感知，能提取被灰度主基元圖“漏檢”的主基元。主基元圖在基于圖像內(nèi)容的圖像壓縮方面有十分廣泛的應(yīng)用，同時(shí)也是對高層物體識別和圖像理解的支撐。

1 灰度圖像主基元圖

主基元圖是早期視覺中一種十分重要的圖像表達(dá)，也是Marr視覺計(jì)算模型第1層中的一個(gè)核心概念。在表示上，一幅圖像可以分為結(jié)構(gòu)部分和紋理部分；在數(shù)學(xué)上，它們屬于不同維度的表示模型空間。結(jié)構(gòu)部分屬于低熵空間，由一組過完備視覺表示基元（如邊緣和條），通過產(chǎn)生式模型來進(jìn)行稀疏表達(dá)；紋理部分屬于高熵空間，由一組統(tǒng)計(jì)特性通過描述式模型進(jìn)行表達(dá)。本文介紹灰度圖像主基元圖的模型和提取算法［12］作為背景知識。

1.1 灰度圖像主基元圖的模型

一組圖像基元示例圖［12］如圖1所示，該圖對圖像中的結(jié)構(gòu)部分進(jìn)行構(gòu)建。圖1a為圖像基元的抽象符號表達(dá)，圖1b為對應(yīng)圖像基元在圖像的示意圖。

圖像點(diǎn)陣記為Λ，定義在Λ上的圖像記為IΛ，可以為灰度圖像或彩色圖像。在主基元圖表示中，Λ被分為結(jié)構(gòu)部分和紋理部分，分別記為Λsk和Λnsk，并滿足：

進(jìn)一步，結(jié)構(gòu)部分Λsk可分為一組K個(gè)不相交的圖像塊。其中每一圖像塊IΛsk，k通過一種圖像基元表達(dá)（如邊緣段）如下：

其中，k作為圖像基元的索引，是一個(gè)隱含變量，需要通過提取算法從給定的輸入圖像中進(jìn)行推理，k的計(jì)算公式為：

其中，θtop為圖像基元的類型；θgeo為圖像基元的幾何位置信息；θpho為圖像基元的灰度強(qiáng)度或彩色強(qiáng)度信息。

圖像中的結(jié)構(gòu)部分通過（2）式所示的基元形成一個(gè)結(jié)構(gòu)圖表示，即

其中，Bk為圖像基元k對應(yīng)的圖像塊；ak為其地址變量，用來表示Bk在結(jié)構(gòu)圖Ssk中和其他圖像塊的連接。

通過類似于稀疏編碼的產(chǎn)生式模型的表示，則有：

其中，n為隨機(jī)高斯噪聲。

圖1 一組圖像基元示例圖

類似地，對圖像中的紋理部分Λnsk，通常首先通過對一組選定的濾波器響應(yīng)進(jìn)行聚類，分為一組M＝3～7不相交的同質(zhì)紋理區(qū)域，即

每個(gè)同質(zhì)紋理區(qū)域被一組直方圖hmi（m＝1，…，M；i＝1，…，n）隱式表達(dá)，則有：

對圖像中的紋理區(qū)域進(jìn)行標(biāo)注，則有：

其中，βmi為紋理區(qū)域模型的參數(shù)，通過最小最大熵方法求解［11］。

由此可以得出灰度圖像主基元圖表示的概率數(shù)學(xué)模型［11］，其中，E（Ssk）和E（Snsk）表示結(jié)構(gòu)圖和紋理部分的先驗(yàn)?zāi)芰?。該概率模型有效統(tǒng)一了結(jié)構(gòu)和紋理2個(gè)部分的表示。

1.2 灰度圖像主基元圖的提取算法

本文的主基元圖提取算法通過一種類似匹配追蹤（matching pursuit）［13］的算法實(shí)現(xiàn)。首先選定一組濾波器，包括不同尺度和不同方向的Gabor濾波器、DoG（difference of Gaussian）、LoG（Laplace of Gaussian）等，對原始輸入圖像，產(chǎn)生一組“提議圖”，作為選取結(jié)構(gòu)圖中圖像基元的基礎(chǔ)，同時(shí)對紋理部分先作一個(gè)簡化處理，使用高斯模型來代替。簡化模型為：

根據(jù)最大化信息量或最小化描述長度的原則，從“提議圖”中逐個(gè)選擇圖像基元（對結(jié)構(gòu)部分）和直方圖（對紋理部分）描述，直至收斂。匹配追蹤算法每次在待選基元中選擇圖像編碼信息增量最大的基元，添加到結(jié)構(gòu)圖Ssk中，Ssk′＝Ssk∪Ssk，k＋1，Λnsk′＝Λnsk－Λsk，k＋1，通 過 更 新 模 型 （10）式，并比較，即得當(dāng)前待選取基元可能帶來的信息增量：

經(jīng)過第1步的匹配跟蹤算法后，按照一組預(yù)先定義的格式塔規(guī)則，使用一組圖操作符（graph operators）對所得結(jié)構(gòu)圖Ssk進(jìn)行修整［12］。

2 彩色圖像主基元圖模型和提取算法

從（9）式可知，灰度圖像主基元圖模型只對灰度強(qiáng)度進(jìn)行了圖像基元擬合建模。而自然圖像中，很多物體的邊緣需要在彩色空間才能很好地體現(xiàn)出來［14］。

具體例子如圖2所示，圖2中傘的外輪廓邊緣在灰度圖像中非常不明顯，從而使得在匹配追蹤算法中無法進(jìn)行提?。ㄓ捎谄鋱D像編碼信息增量通常小于給定的閾值）。但實(shí)際上，在對應(yīng)的彩色圖像中，該輪廓邊緣被很好地感知，從而說明要在彩色空間對主基元進(jìn)行建模。

圖2 雨傘圖像彩色和灰度主基元圖比較

本文提出通過修改灰度主基元圖模型來適應(yīng)彩色圖像。首先，將原始RGB圖像通過顏色空間變換到Lab顏色空間，這是由于Lab顏色空間的距離度量更加符合人類對顏色的感知［3，7］。然后，改進(jìn)（9）式可得：

其中，將灰度圖像主基元圖中對結(jié)構(gòu)部分的建模由（I（u，v）－Bk（u，v））2擴(kuò)展到Lab彩色空間，并對3個(gè)通道最大化操作，即 maxLab（Lab（u，v）－Bk（u，v））2，從而能提取原本在灰度圖像中不能體現(xiàn)的基元。而對紋理部分，由于對紋理感知的并過多地依賴于顏色空間的選擇，本文采用強(qiáng)度空間，即L通道。

根據(jù) （12）式，本文在主基元圖提取算法中，更新基元選取圖像編碼信息增量計(jì)算公式（11）式，從而能提取彩色圖像的主基元圖。

3 實(shí)驗(yàn)

本文實(shí)現(xiàn)了基于（12）式的彩色圖像主基元圖的提取算法，并和基于（10）式的灰度圖像主基元圖進(jìn)行實(shí)驗(yàn)結(jié)果對比。一個(gè)典型的實(shí)驗(yàn)結(jié)果如圖2所示。從圖2可看出，彩色圖像主基元圖能提取灰度主基元圖中“漏檢”的一些基元，如圖2中傘的外輪廓。

室內(nèi)場景的彩色和灰度主基元的對比實(shí)驗(yàn)結(jié)果如圖3所示。圖3左邊立柱和房頂交接處的輪廓在灰度主基元圖中被“漏檢”，而彩色主基元圖能很好地提取出來。

圖3 室內(nèi)場景彩色和灰度主基元圖比較

4 結(jié)束語

本文分析了一種灰度主基元圖對圖像中結(jié)構(gòu)部分表達(dá)的不足并進(jìn)行了改進(jìn)，提出了彩色圖像主基元圖模型和提取算法。實(shí)驗(yàn)結(jié)果表明，彩色圖像主基元圖能更好地提取出圖像中的結(jié)構(gòu)主基元，使得主基元圖更加完整和符合感知。

［1］鄭南寧.計(jì)算機(jī)視覺與模式識別［M］.北京：國防工業(yè)出版社，1998：22.

［2］馬頌德，張正友.計(jì)算機(jī)視覺：計(jì)算理論與算法基礎(chǔ)［M］.北京：科學(xué)出版社，1998：15.

［3］章毓晉.圖像工程：圖像理解與計(jì)算機(jī)視覺［M］.北京：清華大學(xué)出版社，2000：157－158.

［4］高 文，陳熙霖.計(jì)算機(jī)視覺：算法與系統(tǒng)原理［M］.北京：科學(xué)出版社，1998：226.

［5］賈云得.機(jī)器視覺［M］.北京：科學(xué)出版社，2000：77.

［6］Marr D.視覺計(jì)算理論［M］.姚正國，謝 磊，汪云九，等，譯.北京：科學(xué)出版社，1988：155－157.

［7］Sonka M，Hlavac V，Boyle R，et al.圖像處理、分析與機(jī)器視覺［M］.艾海舟，蘇延超，譯.北京：人民郵電出版社，2003：222.

［8］Forsyth D A，Ponce J.Computer vision：a modern approach［M］.New Jersey：Pearson Education，2002：345－350.

［9］壽天德.視覺信息處理的腦機(jī)制［M］.上海：上?？萍冀逃霭嫔纾?997：63－65.

［10］Olshausen B A，F(xiàn)ield D J.Emergence of simple－cell receptive field properties by learning a sparse code for natural images［J］.Nature，1996，381：607－609.

［11］Zhu S C，Wu Y N，Mumford D.Minimax entropy principle and its applications in texture modeling［J］.Neural Computation，1997，9（8）：1627－1660.

［12］Guo C E，Zhu S C，Wu Y N.Primal sketch：integrating texture and structure［J］.Computer Vision and Image Understanding，2007，106（1）：5－19.

［13］Mallat S，Zhang Z.Matching pursuit with a time－frequency dictionary［J］.IEEE Transactions on Signal Processing，1993，41（12）：3397－3415.

［14］蘇 菱，吳克偉，黃 帥.一種基于DTSVM的遙感圖像分割方法［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，34（3）：383－386.