李詠豪

摘 要：傳統(tǒng)詞袋模型易受視角、尺度和背景等因素干擾。本文對傳統(tǒng)詞袋模型進(jìn)行了改進(jìn)，提出一種基于角點(diǎn)檢測和圖論的感興趣區(qū)域提取方法，以及結(jié)合高斯模糊隸屬度函數(shù)選取視覺單詞。首先，對圖像進(jìn)行角點(diǎn)檢測，利用圖論的方法劃定ROI區(qū)域，然后對得到的ROI區(qū)域進(jìn)行SIFT特征的提取并生成視覺詞典，從而減少背景信息的影響。其次，引入高斯模糊隸屬度函數(shù)改進(jìn)圖像視覺直方圖的表示。在Caltech 100數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，本文提出的方法相較于傳統(tǒng)詞袋模型，分類準(zhǔn)確度提升了3%。

關(guān)鍵詞： 詞袋模型;角點(diǎn)提取;圖論;高斯模糊隸屬度函數(shù)

文章編號： 2095-2163（2019）03-0097-04?中圖分類號： TP391.41?文獻(xiàn)標(biāo)志碼： A

0?引?言

在計(jì)算機(jī)視覺領(lǐng)域中，圖像分類是基礎(chǔ)問題之一，被廣泛應(yīng)用于視頻監(jiān)控和圖像分析等方面。圖像分類中常用的方法是詞袋模型[1-3]。詞袋模型可以分為以下3個步驟：

（1）特征提取。利用SIFT算法[4]生成128維的特征描述子，這些描述子具有尺度、光照等的不變性。

（2）構(gòu)造視覺詞典。利用k-means聚類算法對SIFT描述子進(jìn)行聚類，得到視覺單詞，進(jìn)一步構(gòu)建視覺詞典。

（3）利用支持向量機(jī)（SVM）完成分類。

詞袋模型的分類效果易受視角、尺度、背景等因素干擾。針對這些問題，目前提出不少對于詞袋模型的改進(jìn)算法。Wang等人[5]提出空間金字塔匹配模型;Philbin等人[6]提出一種軟分配的視覺詞匯統(tǒng)計(jì)直方圖的構(gòu)建方法。同時，人類在識別圖像時，往往只是對某一區(qū)域感興趣，而不是整幅圖像。研究時，就可以通過對ROI（感興趣區(qū)域）進(jìn)行特征提取，從而減少非感興趣區(qū)域特征點(diǎn)的干擾。因此，本文通過對原圖像進(jìn)行角點(diǎn)檢測，結(jié)合圖論方法，確定ROI，然后對ROI進(jìn)行SIFT特征點(diǎn)提取，這樣可以使提取的SIFT特征描述子集中在物體上，排除背景上的干擾點(diǎn)。另外，在視覺詞匯直方圖生成過程中，本文引入模糊隸屬度函數(shù)來提高分類準(zhǔn)確率。對此可做研究闡述如下。

1?ROI區(qū)域定位

傳統(tǒng)詞袋模型是對整幅圖像提取特征，如此一來，位于背景上的特征點(diǎn)也被提取出來，這將對視覺詞典直方圖產(chǎn)生一定影響。因此，本文采用角點(diǎn)和圖論相結(jié)合的方法來減少背景特征點(diǎn)的影響。這里擬將探討分述如下 。

1.1?角點(diǎn)提取

Shi等人[7]提出用于追蹤的Shi-Tomasi角點(diǎn)特征，在視頻跟蹤領(lǐng)域有較好的效果。本文將Shi-Tomasi角點(diǎn)特征引入到圖像分類中，和圖論方法相結(jié)合，用于定位ROI區(qū)域。角點(diǎn)屬于圖像中的局部特征點(diǎn)，角點(diǎn)處的一階導(dǎo)數(shù)為局部最大，并且圖像的灰度值在水平與垂直方向上有一定變化。設(shè)圖像在像素點(diǎn)（x，y）處的灰度值為I（x，y），以該點(diǎn)為中心構(gòu)建一大小為n*n的窗口M，窗口平移（x，y）后的灰度變化如下：

矩陣D可以用來判定像素點(diǎn)是否為角點(diǎn)。設(shè)λ1和λ2是矩陣D的特征值，如果λ1>λ2，并且λ2>kλ2max（λ2max表示任意像素點(diǎn)較小特征值的最大值，本文設(shè)k值為0.05），則可判定此像素點(diǎn)為角點(diǎn)。圖1列出提取角點(diǎn)的實(shí)例。

1.2?圖論方法

本文利用圖論[8]思想，對提取的角點(diǎn)構(gòu)建無向圖，根據(jù)各角點(diǎn)的連續(xù)，去除關(guān)聯(lián)度低的角點(diǎn)。這里，圖G表示為G（V，E），其中V表示圖中的頂點(diǎn)，E表示圖中各個點(diǎn)間的聯(lián)系。研究中將1.1節(jié)中提取的角點(diǎn)作為圖的頂點(diǎn)，然后通過式（3）構(gòu)造無向圖M，即：

本文結(jié)合角點(diǎn)檢測和圖論來確定ROI，具體步驟如下。

步驟2?構(gòu)建無向圖。按式（3）構(gòu)建角點(diǎn)的無向圖M（i，j），i，j=1，…，n，n表示特征點(diǎn)的數(shù)目。

步驟3?去除關(guān)聯(lián)度小的角點(diǎn)。按式（4）得到關(guān)鍵角點(diǎn)集合V：

步驟4?劃定ROI區(qū)域。根據(jù)步驟3得到關(guān)鍵角點(diǎn)的集合V，更新xmin、xmax、ymin和ymax，劃定ROI區(qū)域。圖2顯示了通過本文方法確定的ROI。

從圖2可見，利用本文方法確定的ROI區(qū)域，可以有效地將前景與背景區(qū)分開，然后，在ROI提取 SIFT特征描述子和生成視覺詞典，這樣可以減小背景特征點(diǎn)對視覺詞匯的影響。

2?模糊理論的應(yīng)用

傳統(tǒng)詞袋模型在視覺詞典生成之后，在對每幅圖像生成直方圖時，是計(jì)算該幅圖像中每一個特征向量與視覺詞典中視覺詞匯的距離，即采用硬分配方法，將其映射到距其最近的視覺詞匯上面。如圖3所示。圖3中，A、B、C、D是生成的視覺單詞，1、2、3、4是圖像局部特征。在硬分配方式下，直接將特征1和2量化到詞匯A，特征3和4量化到詞匯B。但從圖3中可以發(fā)現(xiàn)，特征1、2、3和4距離視覺詞匯A和B的距離是不同的，因此，在生成圖像直方圖時對于視覺詞匯的影響也應(yīng)該不同。

其中，f（）表示隸屬度函數(shù)，本文利用高斯隸屬度函數(shù)來提高分類準(zhǔn)確率，如下式所述：

3?實(shí)驗(yàn)結(jié)果

本文擬在Caltech-101圖像庫上進(jìn)行實(shí)驗(yàn)，該庫中有從人到動物等101種類別，共包括有9 146幅圖像，每個類別的圖像數(shù)目從31到800張不等。研究隨機(jī)選擇10種類別進(jìn)行實(shí)驗(yàn)，包括：airplanes、anchor、ant、brain、ceiling_fan、chair、cup、elephant、face和rooster。每類隨機(jī)提取10張作為訓(xùn)練圖像，再隨機(jī)選取10張和20張圖像作為測試圖像，進(jìn)行10次重復(fù)實(shí)驗(yàn)，計(jì)算平均分類準(zhǔn)確率。實(shí)驗(yàn)中，視覺詞典的大小選為300。

本文首先提取ROI區(qū)域，然后再計(jì)算分類準(zhǔn)確率，分2組實(shí)驗(yàn)，一組用傳統(tǒng)詞袋模型，即對整幅圖像提取SIFT特征;另一組是在ROI內(nèi)進(jìn)行SIFT特征提取，其中，參數(shù)δ為2。實(shí)驗(yàn)結(jié)果見表1。從表1可以發(fā)現(xiàn)，在ROI內(nèi)提取特征，可以有效提高詞袋模型的分類精度。

接著，本文計(jì)算高斯隸屬度函數(shù)對于圖像分類精度的影響。在計(jì)算過程中，考慮高斯隸屬度函數(shù)參數(shù)σ（μ=0）對于分類精度的影響，如圖4所示。從圖4可見，當(dāng)σ=[0.3，0.5]時，分類準(zhǔn)確度達(dá)到最大值54.9%。進(jìn)一步，本文將ROI區(qū)域定位算法和高斯隸屬度函數(shù)相結(jié)合，對其進(jìn)行測試，所得結(jié)果見表2。實(shí)驗(yàn)結(jié)果表明：相對于傳統(tǒng)詞袋模型，本文算法在分類準(zhǔn)確度上大約提高了3%。

4?結(jié)束語

本文提出了角點(diǎn)檢測和圖論相結(jié)合的ROI定位方法，在一定程度上降低了背景、尺度、角度對圖像分類的影響，使所提取的SIFT特征點(diǎn)集中在物體上，則能生成更具有代表性的視覺詞匯。同時引入模糊隸屬度函數(shù)，在圖像直方圖表示生成時融合空間信息，提高圖像的分類精度。在Caltech-101數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，本算法較傳統(tǒng)詞袋模型算法有更高的分類準(zhǔn)確度。

參考文獻(xiàn)

[1]WANG Chong， HUANG Kaiqi. How to use Bag-of-Words model better for image classification[J]. Image and Vision Computing， 2015， 38： 65-74.

[2]?LI Feifei， FERGUS R ， PERONA P. Learning generative visual models from few training examples： An incremental Bayesian approach tested on 101 object categories[J]. Computer Vision and Image Understanding，2007，106（1）：59-70.

[3]?GREGORY G， AlEX H， PIETRO P. Caltech-256 object category dataset [D]. California： California Institute of Technology， 2007.

[4]?EVERINGHAM M， Van GOOL L， WILLIAMS C K， et al. The pascal visual object classes （voc） challenge[J]. International Journal of Computer Vision， 2010， 88（2）： 303-338.

[5]?WANG Junqiu，CIPOLLA R，ZHA Hongbin.Vision-based global localization using a visual vocabulary [C]?//Proceedings of the 2015 IEEE International Conference on Robotics and Automation. Barcelona：IEEE，2005： 4230-4235.

[6]?PHILBIN J，CHUM O，ISARD M，et al. Lost in quantization： Improving particular object retrieval in large scale image databases [C]?// IEEE Conference on Computer Vision and Pattern Recognition， 2008（ CVPR 2008）. Anchorage， AK：IEEE， 2008：1-8.

[7]?SHI J，TOMASI C， Good feature to track[C]?// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Seattle：IEEE Press， 1994： 593-600.

[8]?JIANG Wen， GUO Fei， LIU Zheng. A graph theory method for determination of cryo-EM image focuses[J]. Journal of Structural Biology， 2012， 180（2）： 343-351.

[9]?KUMAR M， STOLL N， THUROW K， et al. Fuzzy memberships descriptors for images[J]. IEEE Transactions on Fuzzy Systems， 2016， 24（1）： 195-207.