姚紅 丁莎

摘要：以云模型理論為基礎(chǔ)分析彩色圖像分割概念，研究已有的彩色圖像分割方法，并與云模型相結(jié)合，提出基于云模型的彩色圖像分割方法。該方法在HSV顏色空間對(duì)彩色圖像進(jìn)行非均勻量化，并尋找量化后圖像的基本直方圖，最后通過(guò)云模型的“3En規(guī)則”對(duì)圖像進(jìn)行前景/背景分割。通過(guò)與K均值算法、IS-RSC算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明了該方法對(duì)彩色圖像分割的有效性。

關(guān)鍵詞：云模型；直方圖；顏色空間；3En規(guī)則；彩色圖像分割

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）22-5297-04

人類(lèi)視覺(jué)認(rèn)知過(guò)程大概分為3個(gè)步驟[1-2]：①人眼光學(xué)系統(tǒng)在眼底形成客觀物體的物像；②視網(wǎng)膜將物像反射的光能經(jīng)過(guò)初步加工并傳入大腦；③大腦將接收到的信息根據(jù)主體現(xiàn)有的認(rèn)知經(jīng)驗(yàn)、知識(shí)學(xué)習(xí)程度、偏好興趣、客觀環(huán)境等不確定性因素進(jìn)行進(jìn)一步處理并形成認(rèn)知結(jié)果。前兩個(gè)步驟屬于低層次的圖像認(rèn)知處理范疇，更大程度上屬于神經(jīng)生理學(xué)和生物物理學(xué)的研究?jī)?nèi)容。因此，該文把第三個(gè)步驟作為研究重點(diǎn)，在以往研究成果的基礎(chǔ)上充分考慮人類(lèi)認(rèn)知組織特性在圖像分割中的作用，首先，利用更具穩(wěn)定性的基于樣本劃分的多步逆向云變換算法[3]對(duì)圖像信息進(jìn)行初始概念的提取；然后，依據(jù)人類(lèi)認(rèn)知的組織特性（鄰接性、相似性、連續(xù)性），結(jié)合圖像區(qū)域分割方法，定義一種概念合并準(zhǔn)則，利用“和”進(jìn)行概念躍升，從而得到符合人類(lèi)認(rèn)知特點(diǎn)的云概念；最后，利用云模型的“3En”規(guī)則對(duì)灰度圖像、彩色圖像及目標(biāo)邊界不分明的圖像進(jìn)行前景/背景分割。實(shí)驗(yàn)結(jié)果表明該方法能獲得更好的分割結(jié)果，并能有效地提取出目標(biāo)邊界不分明的圖像中的過(guò)渡區(qū)域。該方法的提出既對(duì)雙向認(rèn)知變換的正確性及有效性進(jìn)行了驗(yàn)證，又為圖像處理的研究提供了新的方法。

1 相關(guān)概念

1.1 云模型簡(jiǎn)介

1995年，我國(guó)科學(xué)家李德毅院士提出了一種定性概念與其定量表示之間的不確定性轉(zhuǎn)換的模型—云模型[4]C（Ex，En，He），該模型被廣泛應(yīng)用于數(shù)據(jù)挖掘、圖像分割等領(lǐng)域。

定義1. （云模型[4]） 設(shè)[U]是一個(gè)用精確數(shù)值表示的論域（1維、2維或多維），U上對(duì)應(yīng)的定性概念A(yù)，對(duì)于論域中的任意一個(gè)元素，都存在一個(gè)有穩(wěn)定傾向的隨機(jī)數(shù)Y=u（x），叫做對(duì)概念u的確定程度，Y在論域上的分布稱(chēng)為云模型，簡(jiǎn)稱(chēng)為云。

云模型通過(guò)3個(gè)數(shù)字特征—期望Ex、熵En和超熵He形象地描述了概念的不確定性，根據(jù)數(shù)字特征產(chǎn)生云滴，實(shí)現(xiàn)從定性到定量的映射。例如，給定Ex=0，En=3，He=0.3，n=10000，則生成的云如圖1所示。

在文獻(xiàn)[3]中，李德毅院士詳細(xì)分析了云滴群對(duì)定性概念的貢獻(xiàn)。分析得到，對(duì)于論域[U]中的定性概念[A]，有貢獻(xiàn)的定量值主要落在區(qū)間[Ex-3En，Ex+3En]上，甚至可以忽略[Ex-3En，Ex+3En]區(qū)間之外的定量值對(duì)定性概念A(yù)的貢獻(xiàn)。位于區(qū)間[Ex-0.67En，Ex+0.67En]的那些元素占全部元素的22.33%，稱(chēng)為“骨干元素”；位于區(qū)間[Ex-En，Ex+En]的那些元素占全部元素的33.33%，稱(chēng)為“基本元素”；位于區(qū)間[Ex-2En，Ex-En]和[Ex+En，Ex+2En]的那些元素占全部元素的33.33%，稱(chēng)為“外圍元素”；位于區(qū)間[Ex-3En，Ex-2En]和[Ex+2En，Ex+3En]的那些元素占全部元素的33.33%，稱(chēng)為“弱外圍元素”，這就是云模型的“3En規(guī)則”。

1.2 HSV顏色空間及其均一量化

在彩色圖像分割算法中，顏色空間的選擇尤為重要，直接影響到算法的分割效果，HSV顏色空間反映了人對(duì)色彩的觀察方式，是一種面向視覺(jué)感知的顏色模型，它用三個(gè)屬性來(lái)表示彩色信息：色調(diào)（H）、飽和度（S）、亮度（V）。HSV顏色空間中亮度分量與圖像的彩色信息無(wú)關(guān)，色調(diào)和飽和度分量包含了顏色信息，這與人感受顏色的方式及其相似，這使得HSV顏色空間非常適合于借助人的視覺(jué)系統(tǒng)來(lái)感知彩色特性的圖像處理算法[5]。

顏色量化技術(shù)分為均勻量化和非均勻量化兩類(lèi)。根據(jù)光學(xué)理論，物體的顏色與光的波長(zhǎng)和頻率有關(guān)，同時(shí)根據(jù)人的視覺(jué)分辨能力，該文將HSV顏色空間非均勻量化成256維，即色調(diào)（H）16維，飽和度（S）和亮度（V）都是4維，構(gòu)造一維特征矢量：

4 小結(jié)

本文結(jié)合人類(lèi)對(duì)圖像認(rèn)知的不確定性研究圖像分割算法，以降低其誤分率，使分割結(jié)果更符合人類(lèi)視覺(jué)認(rèn)知。依據(jù)人類(lèi)視覺(jué)認(rèn)知處理的基本事實(shí)，圍繞視覺(jué)信息處理過(guò)程中的幾個(gè)關(guān)鍵的步驟，結(jié)合基于概念內(nèi)涵和外延的雙向認(rèn)知變換及圖像區(qū)域分割技術(shù)，開(kāi)展了符合人類(lèi)認(rèn)知特點(diǎn)的圖像分割方法研究，并取得較好的效果。本章構(gòu)建的圖像分割方法，最根本的目的是為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究服務(wù)。從研究目的來(lái)看，本章方法并不是去完全模擬人眼及大腦在圖像認(rèn)知中的某些功能，而是盡可能地去去考慮人類(lèi)認(rèn)知組織特性中能夠借鑒的部分，并運(yùn)用于圖像分割中，從而得到更符合人類(lèi)認(rèn)知特點(diǎn)的分割結(jié)果。

參考文獻(xiàn)：

[1] 段 鋼. 圖像認(rèn)知的哲學(xué)意識(shí)[J]. 社會(huì)科學(xué)研究. 2006（4）： 35-40.

[2] 李作進(jìn). 基于視覺(jué)認(rèn)知的自然圖像目標(biāo)識(shí)別研究[D]. 重慶： 重慶大學(xué)， 2010： 45-58.

[3] 許昌林， 王國(guó)胤. 實(shí)現(xiàn)穩(wěn)定雙向認(rèn)知映射的逆向云變換算法[J]. 北京：模式識(shí)別與人工智能，2013，26（7）：634-642.

[4] Li De-yi， Du Yi， Artificial Intelligence with Uncertainty [M]. Bei Jing： Defense industry publishing house，2005：17-27.

[5] Huang Fei， WU Min-yuan， Cao Kai-tian， Color Image Segmentation Based on HIS Model[J]. 北京：Miniicro Systems， 2004，25（3）：471-474.

[6] Qin Kun， Wang Pei， New method of curve fitting based on cloud transform[J].Computer Engineering and Applications，2008，44（23）：56-74.

[7] Gao G D， Yu S， Ma S D. Unsupervised segmentation of color images[C]. Proceeding of 1998 IEEE International Conference on Image Processing，1999.Chicago， USA：IL ，1998： 299-302.

[8] 美國(guó)加利福利亞州立大學(xué)Berkeley分校的計(jì)算機(jī)視覺(jué)分割圖像庫(kù)[EB/OL]. http：//www.eecs.berkeley.edu/ Research/Projects/CS/vision/grouping/， 2012.

[9] 姚紅，王國(guó)胤，張清華.基于粗糙集和云模型的彩色圖像分割方法[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2013，34（11）：2615-2620.

[10] Wang Z， Bovik A C， Sheikh H R， et al. Image quality assessment： From error visibility to structural similarity[J]. Image processing， IEEE transactions on， 2004， 13（4）： 600-612.