基于曲率的角点检测及目标区域提取法

２０１５年第２４卷第４期　ｈｔｔｐ：Ｉ／ｗｗｗ．ｃ—Ｓ　ａ．ｏｒｇ．ｃｎ　计算机系统应用　基于曲率的角点检测及目标区域提取法①　郭爽　，郝矿荣　，一，丁永生　，彭澎　（东华大学信息科学与技术学院，上海２０１６２０）　（数字化纺织服装技术教育部工程研究中心，上海２０１　６２０）　摘要：针对图像检索系统提出了基于自适应阈值曲率增强的角点检测法，以及基于角点曲率的目标区域提取　法．该算法将曲率作为角点重要程度的判断标准，通过自适应阈值判断图像的真伪角点，并增强真实角点的曲率　信息，利用具有较大曲率的角点确定图像的重心，以重心为形心定位图像的目标区域．实验结果表明，本文算法　不仅提高了图像角点检测的可靠性，而且有效地确定了其目标区域，最终达到了提高图像检索准确率以及算法　运算效率的目的．为检索背景复杂的图像提供了新的思路和方法．　关键词：目标区域；角点；自适应阈值；曲率；图像检索　Ｃｏｒｎｅｒ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｔａｒｇｅｔ　Ａｒｅａ　Ｅｘｔｒａｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｃｕｒｖａｔｕｒｅ　ＧＵＯ　Ｓｈｕａｎｇ‘，ＨＡＯ　Ｋｕａｎｇ－Ｒｏｎｇ　，ＤＩＮＧ　Ｙｏｎｇ－Ｓｈｅｎｇ　，ＰＥＮＧ　Ｐｅｎｇ　（Ｃｏｌｌｅｇｅ　ｏｆＩｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅｓ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｄｏｎｇｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２０１６０２，Ｃｈｉｎａ）　（Ｅｎｇｉｎｅｅｒｉｎｇ　Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ　ｏｆＤｉｇｉｔｉｚｅｄ　Ｔｅｘｔｉｌｅ＆Ｆａｓｈｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，Ｍｉｎｉｓｔｒｙ　ｏｆＥｄｕｃａｔｉｏｎ，Ｓｈａｎｇｈａｉ　２０１６０２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ，ｃｏｍｅｒ　ｄｅｔｅｃｔｉｏｎ　ｗｉｔｈ　ａｕｔｏ－ａｄａｐｔｉｖｅ　ｔｈｒｅｓｈｏｌｄ　ａｎｄ　ｔａｒｇｅｔ　ａｒｅａ　ｅｘｔｒａｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｃｕｒｖａｔｕｒｅ　ａｒｅ　ｐｒｏｐｏｓｅｄ　ｉｎ　ｈｉｔｓ　ｐａｐｅｒ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｊｕｄｇｅｓ　ｔｈｅ　ｉｍｐｏｒｔａｎｃｅ　ｏｆ　ｃｏｍｅｒｓ　ｂｙ　ｕｓｉｎｇ　ｃｕｒｖａｔｕｒｅ．Ｆｉｒｓｔｌｙ，ｉｔ　ｓｅｌｅｃｔｓ　ｈｅ　ｔｔｒｕｅ　ｃｏｍｅｒｓ　ｔｈｒｏｕｇｈ　ｔｈｅ　ａｕｔｏ－ａｄａｐｔｉｖｅ　ｔｈｒｅｓｈｏｌｄ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｙ　ｅｎｈａｎｃｅ　ｔｈｅｉｒ　ｃｕｒｖａｔｕｒｅ．Ｔｈｅｎ，ｉｔ　ｄｅｔｅｒｍｉｎｅｓ　ｔｈｅ　ｉｍａｇｅ’Ｓ　ｃｅｎｔｅｒｏｆｇｒａｖｉｔｙｂｙｔｈｅ　ＣＯｍ￣ＴＳｗｉｔｈｌａｒｇｅｒ　ｃｕｒｖａｔｕｒｅ．Ｌａｓｔ，ｉｔ　ｅｘｔｒａｃｔｓｔｈｅｔａｒｇｅｔａｒｅａｂｙ　ｒｅｇａｒｄｉｎｇｔｈｅ　ｃｅｎｔｅｒｏｆｇｒａｖｉｔｙ　ａｓ　ｔｈｅ　ｃｅｎｔｒｏｉｄ．Ｔｈｅ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ｃａｌｌ　ｎｏｔ　ｏｎｌｙ　ｄｅｔｅｃｔ　ｈｅ　ｃｏｍｅｒｓｔ　ａｎｄ　ｅｘｔｒａｃｔ　ｔｈｅ　ｔａｒｇｅｔ　ａｒｅａ　ｅｆｆｅｃｔｉｖｅｌｙ，ｂｕｔ　ａｌｓｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ａｎｄ　ｅｆｉｃｉｆｅｎｃｙ　ｏｆ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　ｃｏｍｐａｒｅｄ　ｗｉｈ　ｔｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｍｅｔｈｏｄ．Ｉｔ　ｐｒｏｖｉｄｅｓ　ａ　ｎｅｗ　ａｐｐｒｏａｃｈ　ｆｏｒ　ｔｈｅ　ｒｅｔｒｉｅｖａｌ　ｏｆ　ｉｍａｇｅ　ｗｉｔｈ　ｃｏｍｐｌｉｃａｔｅｄ　ｂａｃｋｇｒｏｕｎｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｔａｒｇｅｔ　ａｒｅａ；ｃｏｍｅｒ；ａｕｔｏ－ａｄａｐｔｉｖｅ　ｔｈｒｅｓｈｏｌｄ；ｃｕｒｖａｔｕｒｅ；ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　１概述　近年来，随着互联网技术与多媒体技术的飞速发　展，人们在日常生活中开始接触到越来越多的图像信　角点检测阶段，文献【１．２】均采用Ｈａｒｒｉｓ算法．除　此之外，常用的角点检测方法还有ＳＵＳＡＮ算法【３】和　Ｐｌｅｓｓｅｙ算法［４１等，但它们都是在单尺度下检测图像的　角点，而实际上，图像的角点是发生在多种尺度范围　上的．　息．图像检索利用图像自身的特征可以在大量图像库　中检索出用户需求的图像，大多数的检索算法都是针　对图像的全局特征进行的，对于用户来说，更关心图　像中的局部目标区域．目前广泛使用的基于目标区域　的图像检索方法分别以文献【ｌ】、文献【２】提及的算法为　主，两种算法的共同点都是在检测图像角点的基础上，　提取图像的目标区域．　提取目标区域时，文献【１】将角点个数最多的区域　作为图像的目标区域，文献【２】采用角点的凸包作为图　像的目标区域．实际上两种方法都可以进一步被改善，　原因在于文献【ｌ】只是简单地利用角点的个数来确定目　标区域，而没有考虑到各角点的重要程度的差别：文　①基金项目：国家自然科学基金重点项目（６ｌｌ３４ｏｏ９）；长江学者和创新团队发展Ｊｔ，￣ｔＪ（ＩＲＴ１２２０）；］２海领军人才专项资金；上海市科学技术委员会重点基础研究　Ｉ￣１（１３ＪＣ１４０７５００，１　１ＪＣ１４００２００）；Ｊ７．海市教育委员会科研创新项目（１４ｚＺｏ６７）；中央高校基本科研业务费专项￣（２２３２０１２Ａ３－０４）　收稿时间：２０１４－０７－２３；收到修改稿时闯：２０１４－０８－２８　ＳｏｆｔｗａｒｅＴｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｆｌｍ软件技术・算法１２３　计算机系统应用　ｈｔｔｐ：／／ｗｗｗ．ｃ—Ｓ—ａ．ｏｒｇ．Ｃｌｌ　２０１５年第２４卷第４期　献【２１只利用角点来表示图像的方法是欠缺的，毕竟角　针对这一问题，本文提出一种基于自适应阈值曲　率增强的角点检测法，在文献【９】的基础上，加入真实　点只是图像中一些特殊的点，仅仅利用这些少数的点　来表征图像特征是远远不够的．　本文针对此现象，提出了基于自适应阈值曲率增　强的角点检测法和基于角点曲率的目标区域提取算法　角点与伪角点的判断标准，在真实角点不被移除的同　时，抑制噪声．　２．２算法描述　上述两个算法均充分利用了曲率这一概念，原因在于　记平面曲线的参数方程为　曲率包含丰富的图像信息，且其对曲线的平移、旋转、　缩放等几何变换具有不变性．最后，融合目标区域的　颜色　、形状【６】和纹理【乃特征对图像进行检索．实验结　为　，（　）＝（　（　），Ｙ（１ｆ））　（１）　表示弧长，加入参数尺度　后，曲线方程演化　果表明，采用上述算法的图像检索与传统的方法相比，　不仅可以有效地检索出图像的角点、提取出目标区域，　而且能够提供更高的检索准确率．　２　自适应阈值曲率增强的角点检测　２．１基本思想　多尺度角点检测方法中常用的为基于曲率尺度空　间（Ｃｕｒｖａｔｕｒｅ　Ｓｃａｌｅ　Ｓｐａｃｅ，简称ｃｓｓ）算法，首先在较大　尺度下计算图像轮廓上各点的曲率，然后将大于预先　设定的阈值的局部极值点作为候选角点，最后减小尺　度。对角点进行准确定位．使用该算法时需要考虑两　个问题：１　全局阈值是预先设定且恒定不变的，这在　对候选角点的选取时会有较大影响；２）检测角点时使　用单一尺度，无法确定局部极值点的真伪性，容易遗　漏真实角点、产生伪角点．　在此基础上，文献【４】提出了一种基于动态支撑区　域和自适应阈值的角点检测法，该算法首先在较小尺　度下得到候选角点，然后在动态支撑区域下，得到自　适应局部曲率阈值和各角点的角度，最后利用自适应　局部曲率阈值移除圆角点、利用角度阈值移除由于边　缘噪声产生的角点．但该算法引入了过多的角度阈值，　其控制难度和计算复杂度使得算法不利于应用在注重　效率的图像检索中．文献【８】提出一种多尺度曲率乘积　的角点检测法（ＭＳＣＰ）．此方法将多尺度下的曲率融合　在一起，利用多尺度积来增强特征信息、抑制噪声对　特征的影响．但一些重要的角点可能随着尺度的增大，　曲率变得很小，从而使曲率积也很小，导致该类角点　被当作假角点移除．文献【９】利用曲率多项式（ＭＣＰ）对　该问题进行了改善，对于局部极值点计算曲率加权　和、非极值点计算曲率积，以此来降低真实角点被移　除的概率．但该方法同时增加了伪角点的概率，因为　噪声产生的极值点也被同时放大．　１２４软件技术・算法ＳｏＲｗａｒｅＴｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　ｆ（　，　）＝（ｘＯ，，　），ｙ（　，　））（２）　其中，　（　，　）：　（　）ｐ　ｇ（　，　）　】，（　，　）＝ｙ（　）＠ｇ（ｋｔ，　）　ｐ为卷积操作，ｇ（　，　）为高斯函数．　基于曲线方程的曲率Ｋ可表示为　№　ｌ　，（“，盯蔫　）‘＋　（　，　）‘Ｊ　其中，　（　）　（　（　）圆ｇ（　））　（　）＠　（　）　（　）　寺（　（　）。ｇ（　））＝ｘ（　）。ｇ　（　）　（　）　（　（　）。ｇ（　））　（　）。　（　）　（　）　寺（　（　）圆ｇ（　））　（　）　（　）　ｇ　（“，　）和ｇ　（“，　）分别为ｇ（ｕ，　）的一阶导数和　二阶导数．　算法步骤如下：　１）根据式（３）分别计算出多个尺度下图像轮廓上　各点的曲率：　２）划分真伪角点．由步骤（１）检测出的曲率局部　极值点中，有－－ｄ，部分极值点与其相邻区域的曲率差　值较小，即曲线幅度较小，这类极值点是由噪声引起　的，故被称为伪角点；而另一部分相对较尖锐的极值　点与其相邻区域的曲率差值较大，曲线特征较明显，　故称这类极值点为实际需要的真实角点．因此，根据　此原理来确定划分真伪角点的阈值．　设　为曲线某处的局部极值点，＾、　为其相邻　的两个局部极值点，它们到　的弧长分别为厶、　，将　＾到　所组成的曲线段定义为　的相邻区域，区域长　度为厶＋　，如图１所示．　２０１５年第２４卷第４期　ｈｔｔｐ：／／ｗｗｗ．ｃ—Ｓ－ａ．ｏｒｇ．ｃｎ　计算机系统应用　中颜色特征采用颜色直方图【１”，形状特征采用描述边　界形状的边缘直方图和描述区域形状的Ｈｕ不变矩【ｌ２＇’引，　角点最密集区域以及角点凸包作为图像目标区域的算　法使得图像的检索准确率较低，而本文算法使得检索　准确率得到了很大的提高．　最后根据共生矩阵的统计量描述图像的纹理特，征【Ｍ，巧Ｊ．　采用查准率、查全率和平均运行时间这三个评价　同时，从表４还可以看出，本文算法在提高检索　指标对三种算法的检索性能进行评估，其中查准率与　查全率定义如下：　查准率　＝　查全率　＝　７’为检索输出的总图像个数．　４．１　Ｃｏｒｅｌ图像库　利用Ｃｏｒｅｌ图像库验证查准率．　从图像库中的１０类图像中，每类随机抽取１０幅　图像作为查询图像，分别计算出这１００幅图像的　，　，　，继而再对每类图像计算其平均查准率　。，　，　。，结果如表３．运行时间对比结果如表４所示．　表３平均查准率对比　表４检索运行时间对比（单位：ｓ）　从表３的结果可以看出，在输出图像总数　相同　的条件下采用不同的角点检测法和目标区域提取法进　行实验时，检索的准确率大为不同．传统的采用Ｈａｒｒｉｓ　准确率的同时降低了检索的运行时间．　４－２人体图像库　利用人体图像库验证查全率．　从人体图像库中随机选取１０类，每类随机抽１０　幅图像作为查询图像，计算每类图像的平均查全率　，　，　，结果如表５．运行时间对比结果如表６所示．　表５平均查全率对比　表６检索运行时间对比（单位：ｓ）　由表５和表６的结果可以看出，在查全率上，本文　算法相比于其余两种算法拥有较高的检索精度，且在　提高检索精度的同时降低了算法的运行时间．　在人体库中任选某一人体图像进行检索实验，结　果如图６所示．　其中红框标记的图像为查询图像．如图所示，在　输出图像总数　分别为５、１０、１５的前提下，采用文　献【ｌ】的算法检索出的相关图像数分别为４、７、８，采用　本文算法检索出的相关图像数增加为５、１Ｏ、１２，由此　ＳｏｆｔｗａｒｅＴｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法ｌ２７