基于支持向量機(jī)的圖像分類

摘要：隨著多媒體技術(shù)的不斷發(fā)展，傳統(tǒng)的基于關(guān)鍵字匹配的圖像檢索方式已經(jīng)不能滿足圖像檢索的需求，基于內(nèi)容的圖像檢索方式成為研究的重點(diǎn)。為了實(shí)現(xiàn)圖像低層特征和高層語義的關(guān)聯(lián)，文中采用提取圖像的底層特征，使用支持向量機(jī)（SVM）對圖像進(jìn)行分類的方法，實(shí)驗(yàn)中比較了不同圖像特征對分類結(jié)果的影響。結(jié)果表明，采用多種特征綜合對圖像進(jìn)行分類會(huì)取得比較好的結(jié)果。

關(guān)鍵詞：圖像檢索;圖像特征;支持向量機(jī);圖像分類

引言

隨著數(shù)字圖像的日益增多，圖像檢索技術(shù)在不斷的向前推進(jìn)。圖像檢索技術(shù)的發(fā)展經(jīng)過了基于關(guān)鍵字檢索的“以字找圖”方式和基于圖像底層特征相似性比較的“以圖找圖”方式。在理想的狀況下，用戶期望根據(jù)圖像的高層語義進(jìn)行檢索得到有用的圖像。在利用圖像高層語義進(jìn)行檢索之前，對圖像數(shù)據(jù)庫進(jìn)行語義分類是一個(gè)有效的方法，具有相同語義的圖像一般也都具有相似的視覺特征，使得將圖像按語義進(jìn)行分類成為可能。圖像分類僅僅試圖將圖像歸并到某一種語義類別中，從而實(shí)現(xiàn)圖像語義特征的提取。

圖像分類的難點(diǎn)在于如何根據(jù)圖像的底層視覺特征將圖像歸并到某種有意義的類別當(dāng)中。許多機(jī)器學(xué)習(xí)的方法由于可以很好的獲得圖像特征和文本描述的對應(yīng)關(guān)系，被引入到了這一領(lǐng)域。萬華林結(jié)合圖像的顏色、紋理和邊緣特征，用SVM實(shí)現(xiàn)了圖像的語義分類。Boutell采用貝葉斯網(wǎng)絡(luò)，利用圖像的視覺特征，處理了室內(nèi)室外圖像的分類問題。SIMPLIcity系統(tǒng)將圖像分成紋理/非紋理類別，以及照片/非照片語義類。卷積神經(jīng)網(wǎng)絡(luò) 用在圖像分類和物體檢測中。

由于支持向量機(jī)（SVM）在優(yōu)越性能，在模式識(shí)別問題中得到了廣泛的應(yīng)用，本文采用SVM設(shè)計(jì)圖像分類器，將圖像歸并到某一語義類別當(dāng)中，實(shí)現(xiàn)圖像語義特征的提取。

1 圖像底層特征的提取

目前圖像的顏色和紋理特征的提取技術(shù)比較成熟，本文采用這兩種特征來作為圖像底層特征的表示。

1.1 顏色特征

描述了圖像的顏色統(tǒng)計(jì)特性，提取方便，速度快，缺點(diǎn)是不能表達(dá)圖像的空間信息以及圖像中的目標(biāo)物體。

1.1.1 HSV空間非均勻量化顏色直方圖

顏色直方圖是圖像的一種全局特征表示。每一幅圖像具有唯一的顏色直方圖，但是不同的圖像可能具有相同的顏色直方圖。由于HSV更符合人的視覺特征，這里考慮采用HSV空間顏色直方圖。在不降低檢索性能的前提下，同時(shí)節(jié)省存儲(chǔ)空間和計(jì)算時(shí)間，將HSV三個(gè)分量進(jìn)行非等間隔量化。

本文中將H，S，V分別劃分成7份，2份，2份，按照公式，式中Qs，Qv，Q分別取2，這樣得到一個(gè)36維的特征向量。

1.1.2 RGB空間顏色矩

顏色矩是一種簡單而且有效的顏色特征，是由Stricker和Oreng提出，這種方法的數(shù)學(xué)基礎(chǔ)是圖像中的任何顏色分布都可以用它的矩來表示，由于圖像的信息多集中在圖像的像素顏色的低階矩上，一般只提取一階中心矩（均值），二階中心距（方差），三階中心距（斜度）作為顏色特征的表示。本文采用RGB顏色空間，對R，G，B3個(gè)顏色分量分別計(jì)算上述3階矩，得到9維的顏色矩特征。

1.2 紋理特征

紋理是描述了圖像或者圖像區(qū)域所對應(yīng)景物的表面特征，與顏色特征不同，紋理特征需要在包含多個(gè)像素點(diǎn)的區(qū)域中進(jìn)行統(tǒng)計(jì)計(jì)算，不是基于單個(gè)像素點(diǎn)的特征。本文采用灰度共生矩陣的紋理特征分析方法。

灰度共生矩陣即表示圖像灰度及空間相關(guān)的矩陣，即圖像中相距（Δx，Δy）的兩個(gè)灰度像素同時(shí)出現(xiàn)的聯(lián)合概率分布。若將圖像的灰度級(jí)定位L，那么共生矩陣為L*L矩陣，可表示為M（Δx，Δy）（h，k），其中位于（h，k）的元素mhk的值表示一個(gè)灰度級(jí)為h，另一個(gè)灰度級(jí)為k的兩個(gè)相距為（Δx，Δy）的像素對出現(xiàn)的次數(shù)。

實(shí)驗(yàn)中采用反差、能量、熵和相關(guān)四個(gè)特征量來表示紋理特征。

反差（主對角線的慣性矩）：

能量（角二階矩）：ASM=ΣhΣk（mhk）2

熵：ENT=-ΣhΣkmhk logmhk

相關(guān)：COR=其中μx、μy和σx、σy分別為mx、my的均值和方差。

構(gòu)造4個(gè)方向上的共生矩陣，對共生矩陣歸一化，取上述4個(gè)參數(shù)的均值和標(biāo)準(zhǔn)差作為紋理特征向量中的各個(gè)分量，得到一個(gè)8維的紋理特征向量。

2支持向量機(jī)的構(gòu)造

支持向量機(jī)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中，以期獲得最好的推廣能力[5]。

相比起神經(jīng)網(wǎng)絡(luò)技術(shù)，SVM使用起來簡單方便。它將待解決的問題轉(zhuǎn)化為一個(gè)二次規(guī)劃尋優(yōu)問題，從而避免了局部收斂現(xiàn)象，理論上保證了全局最優(yōu)解。

給定一組帶標(biāo)記的訓(xùn)練數(shù)據(jù)對（xi，yi），i=1，2，…，l，其中xi∈Rn，且yi∈{-1，1}1。SVM需要解決如下的最優(yōu)解問題：

訓(xùn)練向量xi被φ函數(shù)映射到高維空間。在特征空間中，分類器實(shí)現(xiàn)最有分類超平面的函數(shù)為：

f（x）=sign（ΣaiK（xi，xj）+b，其中K（xi，yi） =φ（x）φ（xi）為其核函數(shù)。采用不同的點(diǎn)積運(yùn)算將產(chǎn)生不同的支持向量機(jī)算法，常用的支持向量機(jī)核函數(shù)有多項(xiàng)式核函數(shù)、高斯核函數(shù)和Sigmoid核函數(shù)。

用SVM實(shí)現(xiàn)圖像分類，定義所有圖像為輸入空間中的點(diǎn)，要從圖像中抽取圖像的特征向量作為原始空間的輸入向量，由于圖像內(nèi)容的多樣性，所以圖像為非線性可分，采用線性不可分的SVM分類器。采用SVM實(shí)現(xiàn)圖像分類通常需要結(jié)合多個(gè)二值分類器來解決，包括一對一和一對多兩種方法。

3 圖像分類實(shí)驗(yàn)

對于做實(shí)驗(yàn)的圖像類別不能過于抽象，像自然風(fēng)光類、季節(jié)類、某個(gè)國家或者地區(qū)類的圖像，這類圖像難于從顏色紋理特征上把握其共同點(diǎn)。實(shí)驗(yàn)中所用的圖像庫來源于Corel圖像庫，由賓夕法尼亞大學(xué)實(shí)驗(yàn)室整理用于SIMPLIcity[6]的測試圖像庫。該圖像庫包含了10個(gè)語義類別，分別是非洲人物、海灘、羅馬建筑、巴士車、恐龍、大象、花、馬、雪山、美食。每個(gè)語義類別各包含100幅圖像，圖像的大小為256*384或者384*256像素。

實(shí)驗(yàn)中所選取的圖像特征為36維的HSV空間非均勻量化顏色直方圖、9維的RGB空間顏色矩以及8維的灰度共生矩陣，將它們作為支持向量機(jī)的輸入向量對圖像類進(jìn)行學(xué)習(xí)，建立圖像底層特征與高層語義的關(guān)聯(lián)。訓(xùn)練測試工具采用的SVM為林智仁的LIBSVM[7]庫，它提供了編譯好的可執(zhí)行文件，對SVM所涉及的參數(shù)調(diào)節(jié)相對較少，提供了很多的默認(rèn)參數(shù)，并且提供了交互檢驗(yàn)的功能。在實(shí)驗(yàn)中選取高斯核函數(shù)，參數(shù)為默認(rèn)參數(shù)。

3.1實(shí)驗(yàn)一

從每類圖像中抽取60幅圖像作為實(shí)驗(yàn)的訓(xùn)練集，剩余的40幅圖像作為測試集，得到的訓(xùn)練集大小為600幅，測試集大小為400幅。 共進(jìn)行5組實(shí)驗(yàn)分別采用不同的特征以及特征的組合作為支持向量機(jī)的輸入向量構(gòu)造分類器。

得到的實(shí)驗(yàn)結(jié)果如表1所示：

為了更好的說明每一類別的分類正確率，得到采用顏色直方圖、顏色矩和灰度共生矩陣作為綜合特征時(shí)的混淆矩陣如圖1所示

由表1和圖1結(jié)果可以看出：

（1）用綜合特征作為支持向量機(jī)輸入向量的分類性能要優(yōu)于采用單一特征作為輸入向量。

（2）恐龍、花這兩類由于由于背景單一，達(dá)到了很好的分類效果，由于歷史建筑、大象以及雪山這幾類圖像中的背景比較復(fù)雜，導(dǎo)致這幾類的分類正確率特別低，從而使總體的分類正確率不高。這幾類圖像難以從顏色紋理特征上把握其共同點(diǎn)，所以僅從顏色紋理底層特征上進(jìn)行區(qū)分效果不好，需要選取新的圖像特征或者建立新的分類模型。

3.2實(shí)驗(yàn)二

選取其中的6個(gè)語義類別與文獻(xiàn)中提到的分類正確率進(jìn)行比較，本文采用三種特征綜合作為支持向量機(jī)的輸入向量。

從實(shí)驗(yàn)結(jié)果可以看出

（1）對于背景單一的花、馬、恐龍，取得了100%的分類正確率。

（2）對于背景稍顯復(fù)雜的大象和建筑物兩類，分類正確率不高。

4 結(jié)論

本文采用多特征結(jié)合的圖像分類方法，分別采用顏色直方圖和顏色矩表征顏色特征、灰度共生矩陣表征紋理特征，采用較少的特征維數(shù)較好的表示了圖像。對基于SVM的圖像分類方法進(jìn)行研究，采用libsvm實(shí)現(xiàn)圖像的多分類，對于背景不是很復(fù)雜的圖像取得了較為顯著的分類結(jié)果。但是對于背景復(fù)雜的圖像類別分類準(zhǔn)確率不高，在下一步的工作中考慮選取更加合適的圖像特征來進(jìn)行圖像分類。

參考文獻(xiàn)

[1]萬華林，Chowdhury MU.基于支持向量機(jī)的圖像語義分類[J].軟件學(xué)報(bào)，2003，14（11）：1891-l899.

[2]Bouteli.M，Luo Jie-bo.Bayesian fusion of camera metadata cues in semantic scene classification[C]//Proc of IEEE Conference on Computer Vision and Pattern Recognition.2004.

[3]James Z.Wang，Jia Li，Gio Wiederhold.SIMPLIcity： Semantics- Sensitive Integrated Matching for Picture Libraries[J]. IEEE Trans. on Pattern Analysis and Machine Intelligence， 23（9）：947-963， 2001.

[4]常亮，鄧小林等. 圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]，自動(dòng)化學(xué)報(bào)，2016，9（42）：1300-1312.

[5]V.Vapnik.”The nature of statistical learning theory”Springer- Verlag， New York，1995.

[6]James Z.Wang，Jia Li，Gio Wiederhold.SIMPLIcity： Semantics- Sensitive Integrated Matching for Picture Libraries[J]. IEEE Trans. on Pattern Analysis and Machine Intelligence， 23（9）：947-963， 2001.

[7]http：//www.csie.ntu.edu.tw/～cjlin/libsvm/

[8]劉盈盈，石躍祥. 一種基于SVMS的語義圖像分類方法[J].計(jì)算機(jī)應(yīng)用研究，2008，25（2）：452-454.

[9]潘崇，朱紅斌. 基于自適應(yīng)特征選擇和SVM的圖像分類的研究[J].計(jì)算機(jī)應(yīng)用與軟件，2010，1：244-246.

作者簡介：蘇亮（1987.6-），漢族，山東萊蕪人，碩士，工程師，研究方向：人工智能、網(wǎng)絡(luò)安全。