基于人工智能的景物識(shí)別算法

長(zhǎng)陽(yáng)土家族自治縣第一高級(jí)中學(xué) 覃天足

1 引言

近年來(lái)，圖像識(shí)別已經(jīng)成為人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)和難點(diǎn)，其中，景物識(shí)別是指對(duì)場(chǎng)景圖像的各類景物進(jìn)行識(shí)別分類，在許多領(lǐng)域例如無(wú)人駕駛、圖像檢索、機(jī)器人視覺(jué)導(dǎo)航等都得到了很好的應(yīng)用。圖像的視覺(jué)特征有顏色，紋理，形狀等，顏色是用于描述物體表面特性的一種屬性，也是應(yīng)用最為廣泛的視覺(jué)特征，主要原因在于顏色往往和圖像中所包含的物體或場(chǎng)景十分相關(guān)；而紋理特征紋理指的是圖像灰度級(jí)或顏色的某種變化，是用于描述物體表面結(jié)構(gòu)的一種模式，體現(xiàn)了物體表面共有的內(nèi)在屬性，包含了物體表面結(jié)構(gòu)組織排列的重要信息以及它們與周圍環(huán)境的聯(lián)系，利用這兩種特征可以便于對(duì)圖像進(jìn)行分割、分析和理解。由于室外景物的復(fù)雜及可變性，使用單一特征常常難以描述圖像中的各類景物，因此在本文中，將顏色和紋理兩種信息進(jìn)行結(jié)合，用于同時(shí)提出圖像的光譜和結(jié)構(gòu)特性，以此表達(dá)更多的圖像信息，可以取得更好的分類結(jié)果。

同時(shí)，神經(jīng)網(wǎng)絡(luò)在解決非線性、以及擁有大數(shù)據(jù)前提條件下的模式識(shí)別問(wèn)題中具有較好的性能[1]。因此，選取神經(jīng)網(wǎng)絡(luò)作為景物識(shí)別的分類器是一種合理的選擇。本文在基于顏色和紋理特征提取的基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行景物識(shí)別，提高了圖像識(shí)別的準(zhǔn)確率，具有良好的分類性能。

2 顏色特征提取

對(duì)于待識(shí)別的景物圖像，顏色是其十分重要的視覺(jué)特征。因此，利用顏色特征進(jìn)行圖像分類受到重視，也最早得到實(shí)際應(yīng)用。顏色特征是一種全局特征，描述了圖像或圖像區(qū)域所對(duì)應(yīng)的景物的表面性質(zhì)。進(jìn)行顏色特征的提取必須選取合適的顏色空間。對(duì)于景物識(shí)別，常用的顏色空間有RGB空間、HSV空間等。其中，RGB空間模型是迄今應(yīng)用最廣泛的彩色模型。其具有描述簡(jiǎn)單，便于使用標(biāo)準(zhǔn)硬件實(shí)現(xiàn)應(yīng)用等優(yōu)點(diǎn)。本文選取RGB顏色空間，根據(jù)RGB三個(gè)分量提取待識(shí)別圖像的顏色特征[2]。

顏色直方圖直觀的顯示了圖像在色彩空間的分布狀況，其優(yōu)點(diǎn)在于能簡(jiǎn)單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所占的比例，具有良好的尺度和旋轉(zhuǎn)不變性，特征魯棒性好等特點(diǎn)，特別適用于描述那些難以自動(dòng)分割的圖像和不需要考慮物體空間位置的圖像。而對(duì)于本文選用的以RGB顏色空間表示的圖像。其中，R，G，B所表示的任何一個(gè)分量都可以構(gòu)成對(duì)應(yīng)的直方圖，此直方圖仍然描述了圖像顏色的統(tǒng)計(jì)特征。但是一幅圖像的R，G，B 值范圍在[0,255]之間，因此顏色直方圖矢量的維數(shù)也會(huì)非常多。若直接進(jìn)行特征計(jì)算，運(yùn)算量將會(huì)很大，難以保證算法的快速性。而且人的眼睛對(duì)顏色的分辨能力有限，并無(wú)必要將這些量全部細(xì)分計(jì)算。因此在計(jì)算特征量之前，可以對(duì)RGB 空間進(jìn)行量化，將0-255范圍內(nèi)的值映射到0-7區(qū)間內(nèi)，以減少特征矢量的維數(shù)。映射關(guān)系表示如下：

3 紋理特征提取

紋理特征也是一種全局特征，是指人們觀察到的圖像子區(qū)域的某種灰度變化規(guī)律。它也描述了圖像或圖像區(qū)域所對(duì)應(yīng)景物的表面性質(zhì)，即在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則[3]。作為一種統(tǒng)計(jì)特征，紋理特征常具有旋轉(zhuǎn)不變性，較強(qiáng)的抵抗噪聲能力等優(yōu)點(diǎn)。目前紋理特征的提取主要有4 種方法：統(tǒng)計(jì)法、結(jié)構(gòu)法、基于模型的方法以及信號(hào)處理的方法。灰度共生矩陣是統(tǒng)計(jì)法的一個(gè)典型代表，是應(yīng)用效果較好的一種紋理特征分析方法。

灰度共生矩陣是像素距離和角度的矩陣函數(shù)，亦即一種通過(guò)研究灰度的空間相關(guān)特性來(lái)描述紋理的方法。由于紋理特征是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩象素之間會(huì)存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性?；叶裙采仃囃ㄟ^(guò)計(jì)算圖像中一定距離和一定方向的兩點(diǎn)灰度之間的相關(guān)性，來(lái)反映圖像在方向、間隔、變化幅度及快慢上的綜合信息。

圖像上保持某一距離的兩個(gè)像素分別具有某灰度，對(duì)其進(jìn)行統(tǒng)計(jì)得到灰度共生矩陣?；叶裙采仃嚸枋隽顺蓪?duì)像素的灰度組合分布。本文將灰度共生矩用Pδ表示，矩陣元素則用Pδ(i,j)(i,j=0,1,2,…,L-1)表示。式中：i,j分別為兩個(gè)像素的灰度；L為圖像的灰度級(jí)數(shù)；δ為兩個(gè)像素間的位置關(guān)系，用δ=(Δx,Δy)表示，即兩個(gè)像素在x方向和y方向上的距離分別為Δx，Δy。不同的δ決定了兩像素間距離和方向，一般在0°、45°、90°和135°這4個(gè)方向上[4]。當(dāng)兩個(gè)像素間位置關(guān)系δ選定后，就生成一定δ下的灰度共生矩陣Pδ，即：

共生矩陣中一個(gè)元素表示了一種灰度組合下出現(xiàn)的次數(shù).如元素Pδ(1，0)表示了圖像上位置關(guān)系為δ的兩像素灰度分別為1和0的情況出現(xiàn)的次數(shù)。顯然位置關(guān)系不同，元素值就不同[5]。

4 BP神經(jīng)網(wǎng)絡(luò)分類器

基于上述的顏色/紋理組合特征，本文針對(duì)景物識(shí)別問(wèn)題提出一種基于BP神經(jīng)網(wǎng)絡(luò)的分類器，通過(guò)輸入組合特征向量，對(duì)分類器進(jìn)行學(xué)習(xí)訓(xùn)練，得到滿足分類精度的BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果。BP神經(jīng)網(wǎng)絡(luò)能夠?qū)Χ鄬拥木W(wǎng)絡(luò)權(quán)值進(jìn)行修改，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法之一。

BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過(guò)程，可以分為正向傳播和反向傳播兩個(gè)階段。其中正向傳播的思想是將輸入的特征向量從輸入層經(jīng)過(guò)隱含層，逐步進(jìn)行處理，進(jìn)行權(quán)值計(jì)算，最后輸送到輸出層，在每一層的處理中，前一層相當(dāng)于后一層的輸入層，而當(dāng)前層的下一層可被視作該層的輸出層。在輸出層中，把實(shí)際的輸出信號(hào)與期望的輸出信號(hào)進(jìn)行比較，如果誤差為零或小于滿足精度的某個(gè)閾值，結(jié)束學(xué)習(xí)訓(xùn)練過(guò)程，否則進(jìn)入反向傳播過(guò)程。在反向傳播過(guò)程中，將實(shí)際輸出和期望信號(hào)計(jì)算得到的誤差逐層返回，對(duì)每一層的權(quán)值進(jìn)行自動(dòng)調(diào)整，直至某一次的實(shí)際輸出信號(hào)與期望信號(hào)的誤差滿足收斂條件，完成整個(gè)學(xué)習(xí)訓(xùn)練過(guò)程。

在進(jìn)行BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過(guò)程中，要確定誤差函數(shù)，這里選擇實(shí)際輸出與期望輸出的誤差平方和作為誤差函數(shù)。表達(dá)式如下：

BP神經(jīng)網(wǎng)絡(luò)能夠根據(jù)如上所示的誤差函數(shù)來(lái)逐步調(diào)整權(quán)值，這需要依靠大量的樣本數(shù)據(jù)，從而得到更加智能和高精度的分類器。其中輸入為上面得到的組合特征向量，輸出為識(shí)別結(jié)果，這里，選擇北京市最為著名的10個(gè)景點(diǎn)，并用4位的二進(jìn)制進(jìn)行編碼，分別為0000-1001，而其余不屬于識(shí)別范圍內(nèi)的景點(diǎn)統(tǒng)一編碼為1010。為了保證BP神經(jīng)網(wǎng)絡(luò)的性能，本文使用標(biāo)準(zhǔn)的3層神經(jīng)網(wǎng)絡(luò)。其中，輸入層可以設(shè)置10個(gè)節(jié)點(diǎn)，對(duì)應(yīng)量化的輸入特征向量；輸出為表示分類結(jié)果的一個(gè)編碼向量；隱含層設(shè)置15個(gè)節(jié)點(diǎn)。

通過(guò)將輸入的圖片樣本進(jìn)行預(yù)處理之后，并采用特征提取得到對(duì)應(yīng)的特征向量，選擇500幅圖片作為訓(xùn)練集，再選擇500幅圖片作為測(cè)試集，通過(guò)不斷訓(xùn)練并根據(jù)訓(xùn)練結(jié)果的優(yōu)劣調(diào)整隱含層節(jié)點(diǎn)數(shù)，直到達(dá)到預(yù)定的訓(xùn)練次數(shù)，或滿足預(yù)先設(shè)定的收斂閾值，完成訓(xùn)練過(guò)程。最后將訓(xùn)練學(xué)習(xí)好后的分類器，使用測(cè)試集評(píng)價(jià)分類器的識(shí)別效果。整個(gè)學(xué)習(xí)訓(xùn)練的流程圖如圖1所示：

圖1 BP神經(jīng)網(wǎng)絡(luò)分類器學(xué)習(xí)訓(xùn)練的過(guò)程

5 結(jié)語(yǔ)

對(duì)于室外景物識(shí)別問(wèn)題，本文提出了顏色紋理特征相結(jié)合的特征提取方法。采用顏色直方圖提取顏色特征，采用灰度共生矩陣提取紋理特征，最后將兩種特征組合，解決了采用單一特征不能有效識(shí)別的問(wèn)題。并采用基于BP神經(jīng)網(wǎng)絡(luò)的分類器，能夠有效地進(jìn)行室外復(fù)雜場(chǎng)景的景物識(shí)別。該算法具有廣闊的研究?jī)r(jià)值和應(yīng)用前景。

[1]邊肇棋,張學(xué)工.模式識(shí)別[M].北京:清華大學(xué)出版社,2000.

[2]雷寶權(quán),楊麗華,等.基于SVM與顏色/紋理組合特征的景物識(shí)別算法[J].計(jì)算機(jī)科學(xué),2009,36(10):274-283.

[3]譚菊,張友鐘.基于灰度共生矩陣的紋理特征景物識(shí)別[J].重慶文理學(xué)院學(xué)報(bào),2009,29(1):66-68.

[4]蘇杰,王丙勤,郭立.數(shù)字圖像的紋理特征提取與分類研究[J].電子測(cè)量技術(shù),2008,31(5):52-55.

[5]高程程,惠曉威.基于灰度共生矩陣的紋理特征提取[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2010,19(6):195-198.