商品圖像局部特征提取算法研究與實(shí)現(xiàn)

白宗文　周美麗

摘 要： 研究商品圖像局部興趣點(diǎn)提取的方法，利用Matlab語(yǔ)言對(duì)提取商品圖像局部特征Harris和Harris?Laplace算法進(jìn)行建模仿真，開(kāi)發(fā)了基于商品圖像局部特征進(jìn)行商品檢索系統(tǒng)。當(dāng)檢索商品處在不同角度和背景中時(shí)，對(duì)此系統(tǒng)進(jìn)行測(cè)試，并對(duì)測(cè)試結(jié)果進(jìn)行比較分析，指出二者算法各自的特點(diǎn)，最后提出了改進(jìn)算法的建議。

關(guān)鍵詞： 商品圖像； 局部特征提取算法； 角點(diǎn)檢測(cè)； 興趣點(diǎn)提取

中圖分類號(hào)： TN919?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）12?0056?03

Abstract：The method of local interesting point extraction for commodity images is studied in this paper. Simulation modeling of Harris and Harris?Laplace algorithms for local feature extraction of commodity image was performed by means of Matlab language. A commodity retrieval system based on commodity image local features was developed. The system was tested when the retrieval commodity was in different angles or in the different background. The test results were compared and analyzed. The characteristics of the two algorithms are pointed out. Some suggestions on algorithm improvement is proposed.

Keywords： commodity image； local feature extraction algorithm； corner detection； interesting point extraction

0 引 言

商品圖像在實(shí)際生活中有很多的應(yīng)用，在上網(wǎng)購(gòu)物，在淘寶網(wǎng)上買東西，都需要查看商品圖像，了解商品的信息。商品圖像特征提取作為計(jì)算機(jī)視覺(jué)中最重要得一環(huán)在近年來(lái)也得到了足夠的重視和大量的研究。隨著人們獲取圖像的途徑和所獲圖像數(shù)量的增多，數(shù)字圖像處理里一些基礎(chǔ)性的研究方向變得更加至關(guān)重要。局部特征技術(shù)作為圖像特征抽取的關(guān)鍵技術(shù)近些年來(lái)得到了廣泛的研究和應(yīng)用。局部特征就是從圖像的局部結(jié)構(gòu)出發(fā)，用局部信息來(lái)構(gòu)造出具有光照，幾何變換不變性的描述子，局部特征不依賴于圖像分割的結(jié)果因而其對(duì)于遮擋、重疊等情況具有良好的魯棒性，由此局部特征也成為了目前特征提取領(lǐng)域的主流算法。

圖像的局部特征具備在多種圖像變換下的不變性、無(wú)需預(yù)先對(duì)圖像分割、低冗余性和獨(dú)特性等特點(diǎn)，被廣泛用于圖像分類及圖像檢索等領(lǐng)域。基于局部特征的應(yīng)用包含3個(gè)基本步驟：檢測(cè)、描述以及匹配。先利用檢測(cè)算子檢測(cè)出圖像信號(hào)中的興趣點(diǎn)，再利用描述子對(duì)興趣點(diǎn)周邊的區(qū)域進(jìn)行魯棒的特征描述，最后利用匹配算法匹配兩幅圖像的描述子[1]。

1 算法原理簡(jiǎn)介

本文是根據(jù)商品的局部特征角點(diǎn)的提取算法進(jìn)行討論、研究?，F(xiàn)有的角點(diǎn)提取算法主要可分為兩種：

（1） 基于邊緣輪廓的角點(diǎn)提取算法，先提取圖像信息中的邊緣輪廓，再求角點(diǎn)，如Kitchen?Rosenfeld，CSS，F(xiàn)reeman鏈碼法，Wang?Brady等是這類算法為代表；

（2） 直接對(duì)灰度圖像進(jìn)行角點(diǎn)檢測(cè)，有Moravec，Harris，Trajkovic，SUSAN等是這類算法為代表[2]。

由于基于灰度的角點(diǎn)提取算法直接對(duì)圖像中像素點(diǎn)的灰度值進(jìn)行處理，避免了基于邊緣輪廓的角點(diǎn)提取算法在提取輪廓時(shí)存在的誤差，因此在實(shí)際研究中得到更多關(guān)注。其中的Harris算法與Harris?Laplace算法是該類算法中應(yīng)用最為廣泛的兩種角點(diǎn)檢測(cè)方法。Harris角點(diǎn)檢測(cè)基本算法原理[3]：

將實(shí)對(duì)稱矩陣對(duì)角化處理，式（1）中把R看成旋轉(zhuǎn)因子，它對(duì)兩個(gè)正交方向的變化分量不影響。[λ1，λ2]為兩個(gè)正交方向的變化量分量提取出來(lái)的特征值，這兩個(gè)特征值就表示了像素在兩個(gè)方向上的變化量。特征值越大，則說(shuō)明該方向上變化量越大，當(dāng)兩個(gè)特征值都大于閾值時(shí)則該點(diǎn)為角點(diǎn)。接下來(lái)就可以對(duì)角點(diǎn)、邊緣，平坦區(qū)域進(jìn)行分析。

Harris?Laplace興趣點(diǎn)提取算法是基于Harris算子進(jìn)行推到計(jì)算得到的，Harris?Laplace算法本質(zhì)上是用多尺度下的Harris角點(diǎn)檢測(cè)特征點(diǎn)的位置的方法[3]。該方法通過(guò)在一個(gè)局部結(jié)構(gòu)下一個(gè)判別函數(shù)達(dá)到最大值時(shí)所處的尺度來(lái)表征最優(yōu)尺度。特征區(qū)域的大小由Laplace算子確定，Laplace算子的核函數(shù)被認(rèn)為起到了濾波器的作用。所以雖然Harris?Laplace算法和Harris算法都是針對(duì)商品圖像興趣點(diǎn)進(jìn)行提取，可是Harris?Laplace算法的穩(wěn)定性要更好一點(diǎn)，Harris?Laplace特征提取算子公式如下[4?5]：

式中：[σ]是Laplace公式的尺度；[Ixx]和[Lyy]是圖像信號(hào)的二階導(dǎo)數(shù)。根據(jù)以上的特征檢測(cè)，可以得到圖像上的邊緣特征和Harris?Laplace興趣點(diǎn)特征。

2 兩種算法仿真測(cè)試

本文應(yīng)用Matlab語(yǔ)言設(shè)計(jì)了基于Harris?Laplace算法和Harris算法提取興趣點(diǎn)的商品局部特征檢索系統(tǒng)，以briefcase包圖像為務(wù)處理對(duì)象。

在此對(duì)處理對(duì)象建立了各種模型，比如商品圖像所處角度不同，顯示大小比例不同，所處背景噪聲不同等各種情形，分別利用兩種算法對(duì)各種商品圖像模型進(jìn)行了測(cè)試比較。

圖1所示為圖像正常模型下利用Harris算法和Harris?Laplace算法提取商品圖像興趣點(diǎn)的特點(diǎn)。

通過(guò)對(duì)商品圖像briefcase進(jìn)行大量的測(cè)試，發(fā)現(xiàn)當(dāng)商品處在不同情形下兩種算法的檢索情況也有所改變。由于篇幅所限僅以上面三種模型的測(cè)試進(jìn)行分析，當(dāng)商品處在不同的角度，不同噪聲和亮度時(shí)兩種算法提取興趣點(diǎn)的區(qū)別。

圖2對(duì)當(dāng)圖像進(jìn)行旋轉(zhuǎn)變換時(shí)，Harris算法提取興趣點(diǎn)的數(shù)目增多且興趣點(diǎn)的位置也發(fā)生變化；而Harris?Laplace算法提取局部特征的性能比較穩(wěn)定，可以從實(shí)驗(yàn)中看出，能夠在圖像進(jìn)行旋轉(zhuǎn)變換時(shí)提取相同的興趣點(diǎn)，即具有仿射與尺度不變的特性[6?7]。

如圖3對(duì)圖像添加了噪聲后提取興趣點(diǎn)數(shù)目比不加噪聲時(shí)提取的多，且高斯噪聲的方差越大，Harris算法和Harris?Laplace算法提取的興趣點(diǎn)數(shù)目也相應(yīng)的增多且位置也有所變化，但Harris?Laplace算法還是較穩(wěn)定；在圖4中當(dāng)商品圖像亮度發(fā)生變化時(shí)，Harris算法和Harris?Laplace算法提取興趣點(diǎn)數(shù)目和位置也不同，亮度亮?xí)r興趣點(diǎn)提取得多，如圖亮度變暗提取興趣點(diǎn)提取得少。

3 結(jié) 語(yǔ)

通過(guò)上述仿真測(cè)試結(jié)果分析，可得出Harris算法計(jì)算簡(jiǎn)單，提取興趣點(diǎn)特征均勻而且合理，穩(wěn)定性和魯棒性也較好，速度很快。但Harris算法存在定位精度不高的缺點(diǎn)，在需要精確定位的時(shí)候不能夠滿足精度的要求，且是定位性能差，需要確定閾值等[8?9]；而Harris?Laplace算法計(jì)算較復(fù)雜些，速度較慢，但定位精度很高，具有很高的穩(wěn)定性。對(duì)比Harris和Harris?Laplace算法后，得出它們具有各自的優(yōu)缺點(diǎn)。

對(duì)于Harris算法定位精度有偏差，之所以定位精度低，是因?yàn)樵谟?jì)算角點(diǎn)響應(yīng)函數(shù)值時(shí)采用了差分方向?qū)?shù)計(jì)算方式，與理想的方向?qū)?shù)之間有誤差，從而在非最大值抑制時(shí)將真正角點(diǎn)去除[10]。

為此，可以探索一種合理的方向?qū)?shù)求解方法來(lái)消除周圍像素點(diǎn)對(duì)檢測(cè)結(jié)果的影響是提高Harris算法檢測(cè)定位精度的關(guān)鍵。而改進(jìn)后的Harris?Laplac算法角點(diǎn)檢測(cè)算法則在上述所建模型檢測(cè)中具有較高的穩(wěn)定性，在商品圖像檢索中值得推廣。

參考文獻(xiàn)

[1] 劉萍萍，趙宏偉.一種快速局部特征描述算法[J].自動(dòng)化學(xué)報(bào)，2010（1）：40?45.

[2] 王崴，唐一平，任娟莉，等.一種改進(jìn)的Harris角點(diǎn)提取算法[J].光學(xué)精密工程，2008（10）：1995?2001.

[3] 施鵬.局部特征描述子算法研究[D].上海：上海交通大學(xué)，2008.

[4] 章毓晉.基于內(nèi)容的視覺(jué)信息檢索[M].北京：科學(xué)出版社，2003.

[5] 王玉珠.圖像角點(diǎn)檢測(cè)算法研究[D].重慶：重慶大學(xué)，2007.

[6] 山東大學(xué)信息與工程學(xué)院.數(shù)字圖像處理編程講義：Harris角點(diǎn)檢測(cè)算法[EB/OL].[2005?11?28].http：//www.docin.com/p?565252402.html.

[7] 田原，梁德群，吳更石.直接基于灰度圖像的多尺度角點(diǎn)檢測(cè)方法[J].信號(hào)處理，1998（z1）：6?9.

[8] 費(fèi)旭東，荊仁杰.基于知識(shí)的快速角點(diǎn)提取[J].計(jì)算機(jī)學(xué)報(bào)，1994，17（1）：30?36.

[9] 袁杰，魏寶剛，王李冬.一種綜合PHOG形狀和小波金字塔能量分布特征的圖像檢索方法[J].電子學(xué)報(bào)，2011（9）：2114?2119.

[10] 周永華.基于色彩的圖像檢索系統(tǒng)研究及實(shí)現(xiàn)[D].南寧：廣西大學(xué)，2006.

在此對(duì)處理對(duì)象建立了各種模型，比如商品圖像所處角度不同，顯示大小比例不同，所處背景噪聲不同等各種情形，分別利用兩種算法對(duì)各種商品圖像模型進(jìn)行了測(cè)試比較。

圖1所示為圖像正常模型下利用Harris算法和Harris?Laplace算法提取商品圖像興趣點(diǎn)的特點(diǎn)。

通過(guò)對(duì)商品圖像briefcase進(jìn)行大量的測(cè)試，發(fā)現(xiàn)當(dāng)商品處在不同情形下兩種算法的檢索情況也有所改變。由于篇幅所限僅以上面三種模型的測(cè)試進(jìn)行分析，當(dāng)商品處在不同的角度，不同噪聲和亮度時(shí)兩種算法提取興趣點(diǎn)的區(qū)別。

圖2對(duì)當(dāng)圖像進(jìn)行旋轉(zhuǎn)變換時(shí)，Harris算法提取興趣點(diǎn)的數(shù)目增多且興趣點(diǎn)的位置也發(fā)生變化；而Harris?Laplace算法提取局部特征的性能比較穩(wěn)定，可以從實(shí)驗(yàn)中看出，能夠在圖像進(jìn)行旋轉(zhuǎn)變換時(shí)提取相同的興趣點(diǎn)，即具有仿射與尺度不變的特性[6?7]。

如圖3對(duì)圖像添加了噪聲后提取興趣點(diǎn)數(shù)目比不加噪聲時(shí)提取的多，且高斯噪聲的方差越大，Harris算法和Harris?Laplace算法提取的興趣點(diǎn)數(shù)目也相應(yīng)的增多且位置也有所變化，但Harris?Laplace算法還是較穩(wěn)定；在圖4中當(dāng)商品圖像亮度發(fā)生變化時(shí)，Harris算法和Harris?Laplace算法提取興趣點(diǎn)數(shù)目和位置也不同，亮度亮?xí)r興趣點(diǎn)提取得多，如圖亮度變暗提取興趣點(diǎn)提取得少。

3 結(jié) 語(yǔ)

通過(guò)上述仿真測(cè)試結(jié)果分析，可得出Harris算法計(jì)算簡(jiǎn)單，提取興趣點(diǎn)特征均勻而且合理，穩(wěn)定性和魯棒性也較好，速度很快。但Harris算法存在定位精度不高的缺點(diǎn)，在需要精確定位的時(shí)候不能夠滿足精度的要求，且是定位性能差，需要確定閾值等[8?9]；而Harris?Laplace算法計(jì)算較復(fù)雜些，速度較慢，但定位精度很高，具有很高的穩(wěn)定性。對(duì)比Harris和Harris?Laplace算法后，得出它們具有各自的優(yōu)缺點(diǎn)。

對(duì)于Harris算法定位精度有偏差，之所以定位精度低，是因?yàn)樵谟?jì)算角點(diǎn)響應(yīng)函數(shù)值時(shí)采用了差分方向?qū)?shù)計(jì)算方式，與理想的方向?qū)?shù)之間有誤差，從而在非最大值抑制時(shí)將真正角點(diǎn)去除[10]。

為此，可以探索一種合理的方向?qū)?shù)求解方法來(lái)消除周圍像素點(diǎn)對(duì)檢測(cè)結(jié)果的影響是提高Harris算法檢測(cè)定位精度的關(guān)鍵。而改進(jìn)后的Harris?Laplac算法角點(diǎn)檢測(cè)算法則在上述所建模型檢測(cè)中具有較高的穩(wěn)定性，在商品圖像檢索中值得推廣。

參考文獻(xiàn)

[1] 劉萍萍，趙宏偉.一種快速局部特征描述算法[J].自動(dòng)化學(xué)報(bào)，2010（1）：40?45.

[2] 王崴，唐一平，任娟莉，等.一種改進(jìn)的Harris角點(diǎn)提取算法[J].光學(xué)精密工程，2008（10）：1995?2001.

[3] 施鵬.局部特征描述子算法研究[D].上海：上海交通大學(xué)，2008.

[4] 章毓晉.基于內(nèi)容的視覺(jué)信息檢索[M].北京：科學(xué)出版社，2003.

[5] 王玉珠.圖像角點(diǎn)檢測(cè)算法研究[D].重慶：重慶大學(xué)，2007.

[6] 山東大學(xué)信息與工程學(xué)院.數(shù)字圖像處理編程講義：Harris角點(diǎn)檢測(cè)算法[EB/OL].[2005?11?28].http：//www.docin.com/p?565252402.html.

[7] 田原，梁德群，吳更石.直接基于灰度圖像的多尺度角點(diǎn)檢測(cè)方法[J].信號(hào)處理，1998（z1）：6?9.

[8] 費(fèi)旭東，荊仁杰.基于知識(shí)的快速角點(diǎn)提取[J].計(jì)算機(jī)學(xué)報(bào)，1994，17（1）：30?36.

[9] 袁杰，魏寶剛，王李冬.一種綜合PHOG形狀和小波金字塔能量分布特征的圖像檢索方法[J].電子學(xué)報(bào)，2011（9）：2114?2119.

[10] 周永華.基于色彩的圖像檢索系統(tǒng)研究及實(shí)現(xiàn)[D].南寧：廣西大學(xué)，2006.

在此對(duì)處理對(duì)象建立了各種模型，比如商品圖像所處角度不同，顯示大小比例不同，所處背景噪聲不同等各種情形，分別利用兩種算法對(duì)各種商品圖像模型進(jìn)行了測(cè)試比較。

圖1所示為圖像正常模型下利用Harris算法和Harris?Laplace算法提取商品圖像興趣點(diǎn)的特點(diǎn)。

通過(guò)對(duì)商品圖像briefcase進(jìn)行大量的測(cè)試，發(fā)現(xiàn)當(dāng)商品處在不同情形下兩種算法的檢索情況也有所改變。由于篇幅所限僅以上面三種模型的測(cè)試進(jìn)行分析，當(dāng)商品處在不同的角度，不同噪聲和亮度時(shí)兩種算法提取興趣點(diǎn)的區(qū)別。

圖2對(duì)當(dāng)圖像進(jìn)行旋轉(zhuǎn)變換時(shí)，Harris算法提取興趣點(diǎn)的數(shù)目增多且興趣點(diǎn)的位置也發(fā)生變化；而Harris?Laplace算法提取局部特征的性能比較穩(wěn)定，可以從實(shí)驗(yàn)中看出，能夠在圖像進(jìn)行旋轉(zhuǎn)變換時(shí)提取相同的興趣點(diǎn)，即具有仿射與尺度不變的特性[6?7]。

如圖3對(duì)圖像添加了噪聲后提取興趣點(diǎn)數(shù)目比不加噪聲時(shí)提取的多，且高斯噪聲的方差越大，Harris算法和Harris?Laplace算法提取的興趣點(diǎn)數(shù)目也相應(yīng)的增多且位置也有所變化，但Harris?Laplace算法還是較穩(wěn)定；在圖4中當(dāng)商品圖像亮度發(fā)生變化時(shí)，Harris算法和Harris?Laplace算法提取興趣點(diǎn)數(shù)目和位置也不同，亮度亮?xí)r興趣點(diǎn)提取得多，如圖亮度變暗提取興趣點(diǎn)提取得少。

3 結(jié) 語(yǔ)

通過(guò)上述仿真測(cè)試結(jié)果分析，可得出Harris算法計(jì)算簡(jiǎn)單，提取興趣點(diǎn)特征均勻而且合理，穩(wěn)定性和魯棒性也較好，速度很快。但Harris算法存在定位精度不高的缺點(diǎn)，在需要精確定位的時(shí)候不能夠滿足精度的要求，且是定位性能差，需要確定閾值等[8?9]；而Harris?Laplace算法計(jì)算較復(fù)雜些，速度較慢，但定位精度很高，具有很高的穩(wěn)定性。對(duì)比Harris和Harris?Laplace算法后，得出它們具有各自的優(yōu)缺點(diǎn)。

對(duì)于Harris算法定位精度有偏差，之所以定位精度低，是因?yàn)樵谟?jì)算角點(diǎn)響應(yīng)函數(shù)值時(shí)采用了差分方向?qū)?shù)計(jì)算方式，與理想的方向?qū)?shù)之間有誤差，從而在非最大值抑制時(shí)將真正角點(diǎn)去除[10]。

為此，可以探索一種合理的方向?qū)?shù)求解方法來(lái)消除周圍像素點(diǎn)對(duì)檢測(cè)結(jié)果的影響是提高Harris算法檢測(cè)定位精度的關(guān)鍵。而改進(jìn)后的Harris?Laplac算法角點(diǎn)檢測(cè)算法則在上述所建模型檢測(cè)中具有較高的穩(wěn)定性，在商品圖像檢索中值得推廣。

參考文獻(xiàn)

[1] 劉萍萍，趙宏偉.一種快速局部特征描述算法[J].自動(dòng)化學(xué)報(bào)，2010（1）：40?45.

[2] 王崴，唐一平，任娟莉，等.一種改進(jìn)的Harris角點(diǎn)提取算法[J].光學(xué)精密工程，2008（10）：1995?2001.

[3] 施鵬.局部特征描述子算法研究[D].上海：上海交通大學(xué)，2008.

[4] 章毓晉.基于內(nèi)容的視覺(jué)信息檢索[M].北京：科學(xué)出版社，2003.

[5] 王玉珠.圖像角點(diǎn)檢測(cè)算法研究[D].重慶：重慶大學(xué)，2007.

[6] 山東大學(xué)信息與工程學(xué)院.數(shù)字圖像處理編程講義：Harris角點(diǎn)檢測(cè)算法[EB/OL].[2005?11?28].http：//www.docin.com/p?565252402.html.

[7] 田原，梁德群，吳更石.直接基于灰度圖像的多尺度角點(diǎn)檢測(cè)方法[J].信號(hào)處理，1998（z1）：6?9.

[8] 費(fèi)旭東，荊仁杰.基于知識(shí)的快速角點(diǎn)提取[J].計(jì)算機(jī)學(xué)報(bào)，1994，17（1）：30?36.

[9] 袁杰，魏寶剛，王李冬.一種綜合PHOG形狀和小波金字塔能量分布特征的圖像檢索方法[J].電子學(xué)報(bào)，2011（9）：2114?2119.

[10] 周永華.基于色彩的圖像檢索系統(tǒng)研究及實(shí)現(xiàn)[D].南寧：廣西大學(xué)，2006.