CN101833772B - 感知特征集的撷取方法及*** - Google Patents

Abstract

本发明是有关于一种感知特征集的撷取方法及***。该方法转换输入影像以得到色调成分及饱和成分，其中色调成分被量化为多个量化值。以饱和成分对量化的色调成分予以加权，再对加权的量化色调成分及饱和成分进行统计处理，用以撷取特征向量。藉此，可以使得整体的分割结果非常近似于人类的感知认识。

Description

感知特征集的撷取方法及***

技术领域

本发明涉及影像分割(segmentation)，特别是涉及用于影像/视讯分割的感知特征集(perceptual feature set)的撷取。

背景技术

影像分割为影像分析当中的一种，其藉由强调(highlight)或分割(isolation)技术而将一影像分割为个别的物件或区域。影像分割可用于影像或视讯中寻找出物件或边界，因而可适用于机器视觉(computer vision)等应用。对于灰度影像，一般是以亮度或/及纹理(texture)讯息来进行分割。

对于彩色影像，则是使用颜色讯息及纹理讯息来进行分割。在近似人类视觉感知认识或知觉所进行的影像/视讯分割中，用以描述颜色及纹理的适当特征集(feature set)是不可或缺的。纹理特征一般是藉由统计方法及频域方法来描述。其中，统计方法如K阶动量法(Kth order moment)、均匀法(uniformity)、熵值法(entropy)及共矩阵法(co-concurrent matrix)；频域方法如法则滤波器(Laws filter)、离散余弦转换(DCT)、具环滤波器(ringfilter)及楔滤波器(wedge filter)的傅利叶转换、加柏(Gabor)滤波器组及波长转换法。另一方面，颜色特征一般是藉由各种颜色空间来描述，例如RGB(红绿蓝)空间、YUV空间、CIELAB空间及HSI(色调/饱和/亮度)空间。由于HSI颜色空间接近人类对于颜色的感知认识，因而经常用于机器视觉的各种应用。但是，颜色特征、纹理特征或其组合通常不易以描述颜色纹理。再者，较佳的颜色/纹理特征通常具有较高维度(dimensionality)，因而往往造成后续分割时的复杂度。

由此可见，上述现有的感知特征集的撷取方法及***在方法、产品结构及使用上，显然仍存在有不便与缺陷，而亟待加以进一步改进。为了解决上述存在的问题，相关厂商莫不费尽心思来谋求解决之道，但长久以来一直未见适用的设计被发展完成，而一般方法及产品又没有适切的方法及结构能够解决上述问题，此显然是相关业者急欲解决的问题。因此如何能创设一种新的感知特征集的撷取方法及***，用以描述颜色及纹理，使得整体的影像分割较能接近于人类的感知认识，实属当前重要研发课题之一，亦成为当前业界极需改进的目标。

发明内容

本发明的目的在于，克服现有的感知特征集的撷取方法及***存在的缺陷，而提供一种新的感知特征集的撷取方法及***，所要解决的技术问题是使其可有效降低计算量，近似人类对于颜色的感知认识，因而使得整体的影像分割较能接近于人类的感知认识，非常适于实用。

本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出的一种感知特征集的撷取方法，其包含：转换一输入影像以得到一色调成分及一饱和成分；量化该色调成分，使其分为多个量化值；以该饱和成分对该量化的色调成分予以加权；以及对该加权的量化色调成分及该饱和成分进行统计处理，用以撷取特征向量。

本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。

前述的感知特征集的撷取方法，其中所述的输入影像经转换为HSI颜色空间。

前述的感知特征集的撷取方法，其中所述的色调成分被量化分为六个量化值。

前述的感知特征集的撷取方法，其中所述的六个量化值为红、黄、绿、蓝绿、蓝、紫红。

前述的感知特征集的撷取方法，其中所述的量化色调成分是乘以该饱和成分以进行加权。

前述的感知特征集的撷取方法，一区块围绕于正进行特征撷取的像素；位于该区块内，该特征向量包含色彩特征向量及无色特征向量H_gray，其是以该饱和成分针对每一颜色以得到相对应的直方图，如下式：

$H_{\mathrm{color}}=\underset{p\∈\mathrm{color},p\∈B}{\mathrm{\Σ}}{S}_p$

color∈{红，黄，绿，蓝绿，蓝，紫红}

$H_{\mathrm{gray}}=\underset{p\∈B}{\mathrm{\Σ}}(1-S_p),$

其中，p表示该像素，H_color为该色彩特征向量，H_gray为该无色特征向量，S_p为该饱和值。

前述的感知特征集的撷取方法，其更包含一步骤，用以对该撷取特征向量予以分类。

前述的感知特征集的撷取方法，其中所述的撷取特征向量是使用聚类技术以进行分类。

本发明的目的及解决其技术问题还采用以下技术方案来实现。依据本发明提出的一种感知特征集的撷取***，其包括：一转换单元，用以转换一输入影像以得到一色调成分及一饱和成分；一量化单元，用以量化该色调成分，使其分为多个量化值；一加权单元，以该饱和成分对该量化的色调成分予以加权；以及一统计单元，对该加权的量化色调成分及该饱和成分进行统计处理，用以撷取特征向量。

本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。

前述的感知特征集的撷取***，其中所述的输入影像经转换为HSI(色调/饱和/亮度)颜色空间。

前述的感知特征集的撷取***，其中所述的色调成分被量化分为六个量化值。

前述的感知特征集的撷取***，其中所述的六个量化值为红、黄、绿、蓝绿、蓝、紫红。

前述的感知特征集的撷取***，其中所述的量化色调成分是乘以该饱和成分以进行加权。

前述的感知特征集的撷取***，一区块围绕于正进行特征撷取的像素；位于该区块内，特征向量包含色彩特征向量及无色特征向量，其是以该饱和成分针对每一颜色以得到相对应的直方图，如下式：

$H_{\mathrm{color}}=\underset{p\∈\mathrm{color},p\∈B}{\mathrm{\Σ}}{S}_p$

color∈{红，黄，绿，蓝绿，蓝，紫红}

$H_{\mathrm{gray}}=\underset{p\∈B}{\mathrm{\Σ}}(1-S_p),$

其中，p表示该像素，H_color为该色彩特征向量，H_gray为该无色特征向量，S_p为该饱和值。

前述的感知特征集的撷取***，其更包含一分类单元，用以对该撷取特征向量予以分类。

前述的感知特征集的撷取***，其中所述的撷取特征向量是使用聚类技术以进行分类。

本发明与现有技术相比具有明显的优点和有益效果。由以上可知，为达到上述目的，根据本发明实施例，将输入影像进行转换(例如转换为HSI颜色空间)，用以得到色调成分及饱和成分，其中色调成分被量化为多个(例如六个)量化值。在较佳实施例中，六个量化值为红、黄、绿、蓝绿(cyan)、蓝、紫红(magenta)。以饱和成分对量化的色调成分予以加权(或相乘处理)，再对加权的量化色调成分及饱和成分进行统计处理，用以撷取特征向量。在一实施例中，对于一区块中的每一像素求得其直方图，以代表其纹理特征。

借由上述技术方案，本发明感知特征集的撷取方法及***至少具有下列优点及有益效果：藉由本发明，可有效降低计算量，近似人类对于颜色的感知认识，因而使得整体的影像分割较能接近于人类的感知认识。

综上所述，本发明是有关于一种感知特征集的撷取方法及***。该方法转换输入影像以得到色调成分及饱和成分，其中色调成分被量化为多个量化值。以饱和成分对量化的色调成分予以加权，再对加权的量化色调成分及饱和成分进行统计处理，用以撷取特征向量。藉此，可以使得整体的分割结果非常近似于人类的感知认识。本发明在技术上有显著的进步，具有明显的积极效果，诚为一新颖、进步、实用的新设计。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是显示本发明实施例以感知特征集为基础的影像/视讯分割的方框图。

图2是显示本发明实施例的感知特征集的撷取方法或***示意图。

图3是显示较佳实施例的色调环的量化的示意图。

图4A是显示一影像，其中区块B围绕于目前正进行特征撷取的像素P的示意图。

图4B是例示色彩(chromatic)特征向量H_color及无色(achromatic)特征向量H_gray，其以直方图(histogram)来表示的示意图。

10：撷取感知特征集    12：聚类

100：转换单元         102：量化单元

104：加权单元         106：统计单元

H：色调成分           S：饱和成分

H_q：量化的色调成分    H_color：色彩特征向量

H_gray：无色特征向量

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的感知特征集的撷取方法及***其具体实施方式、方法、步骤、结构、特征及其功效，详细说明如后。

图1是显示本发明实施例以感知特征集(perceptual feature set)为基础的影像/视讯分割的方框图。在本实施例中，以方框10处理输入影像或视讯，用以撷取感知特征集或特征向量。特征集撷取的细节将于以下配合图2作说明。在完成特征撷取后，接着对所撷取的向量进行分割(separate)或分类(classify)，如方框12所示的聚类(clustering)演算法。在众多聚类演算法当中，本实施例是采用K均值(K-means)聚类演算法进行分类以得到分割结果。

图2是显示本发明实施例的感知特征集的撷取方法或***的示意图。首先，以转换单元100将输入影像/视讯转换为HSI(色调/饱和/亮度)颜色空间的表示形式。换句话说，输入影像/视讯的每一像素被转换为色调成分H、饱和成分S及亮度成分。由于亮度成分未用于后续的处理中，因而未显示于图式中。在本说明书中，“单元”一词是用以指一电路、一段程序或其组合。虽然本实施例以HSI颜色空间作为例示，然而也可以使用其他颜色空间，例如HSL(色调/饱和/光度(lightness))颜色空间或HSV(色调/饱和/值(value))颜色空间。

接下来，以量化单元102将像素的色调成分H量化为多个离散量化值。在本实施例中，整个色调范围被分隔为六个离散量化值：红、黄、绿、蓝绿(cyan)、蓝、紫红(magenta)。图3是显示较佳实施例的色调环的量化的示意图。在此之所以将色调量化为如图所示的六个量化值，是因其能符合眼睛的感知。在其他实施例中，可以将色调量化为少于或多于六个量化值。再者，色调环中每一量化值的角度也不一定都要等于60度。

对于图3所示色调环的每一量化值，较饱和色调(亦即，较接近环的周围)所具有的量化值同于较不饱和色调(亦即，较接近环的中心)的量化值。因此，使用像素的饱和成分S来作为权重系数或因子(weightingcoefficient/factor)，以加权单元104来对量化的色调成分H_q进行加权。例如，以乘法器104将量化的色调成分H_q乘以相对应的饱和成分S，因而形成色彩(chromatic)特征，而饱和成分S则作为无色(achromatic)特征。由于本实施例的量化值有六个，因此色彩特征共有六个维度。该六个维度加上无色(achromatic)特征的一个维度，因此在本实施例中总共具有七个维度。

接着，以统计单元106对色彩(chromatic)特征及无色(achromatic)特征进行统计处理，因而得到特征集，可用以描述影像/视讯的颜色及纹理。在本实施例中，影像/视讯像素的特征向量可以由下式得到：

$H_{\mathrm{color}}=\underset{p\∈\mathrm{color},p\∈B}{\mathrm{\Σ}}{S}_p---\left(1\right)$

color∈{红，黄，绿，蓝绿，蓝，紫红}

$H_{\mathrm{gray}}=\underset{p\∈B}{\mathrm{\Σ}}(1-S_p)---\left(2\right)$

其中p代表像素；B为围绕目前正进行特征撷取的像素P的区块；S_p代表p的饱和值(亦即，加权单元104的输出)，其值介于0和1之间。

图4A是显示一影像，其中区块B围绕于目前正进行特征撷取的像素p的示意图。在区块B内，将每一颜色的饱和值分别进行加总，因而得到各颜色的向量H_color。图4B是例示色彩(chromatic)特征向量H_color(亦即，H_red(红)、H_yellow(黄)、H_green(绿)、H_cyan(蓝绿)、H_blue(蓝)、H_magenta(紫红))及无色(achromatic)特征向量H_gray(灰)，其以直方图(histogram)来表示。由于每一像素具有其特殊的直方图，因此可据以表示其纹理特征。图1所示的聚类方框12根据所接收到的色彩(chromatic)特征向量H_color及无色(achromatic)特征向量H_gray(灰)来进行分类。换句话说，具有类似直方图的像素将被分类于同一区域，反之亦是。

根据上述的实施例，色调环是采用离散且明确的临界值来进行量化，因而可以有效地降低传统分割技术中所遭遇的复杂计算量。再者，使用加权系数来将色彩成分(H_color)与无色成分(H_gray)分开，此可近似人类对于色彩、无色的感知认识，因而可以避免于低饱和度下的色调误判。另外，本实施例对于相同平滑度/纹理色彩区域可得到相同数值，而对不同平滑度/纹理色彩区域则可得到截然不同的数值，因而使得整体的分割结果非常近似于人类的感知认识。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (12)

1.一种感知特征集的撷取方法，其特征在于其包含：

转换一输入影像以得到一色调成分及一饱和成分；

量化该色调成分，使其分为多个量化值，其中所述的量化该色调成分是乘以该饱和成分以进行加权，用以得到饱和值； 

以该饱和成分对该量化的色调成分予以加权；以及

对该加权的量化色调成分及该饱和成分进行统计处理，用以撷取特征向量；

一区块围绕于正进行特征撷取的像素；位于该区块内，该特征向量包含色彩特征向量及无色特征向量H_gray，其是以该饱和值针对每一颜色以得到相对应的直方图，如下式：

color∈{红，黄，绿，蓝绿，蓝，紫红}

其中，p表示该像素，H_color为该色彩特征向量，H_gray为该无色特征向量，S_P为该饱和值，该饱和值的值介於0和1之间，B为围绕该像素p的区块。

2.根据权利要求1所述的感知特征集的撷取方法，其特征在于其中所述的输入影像经转换为HSI颜色空间。

3.根据权利要求1所述的感知特征集的撷取方法，其特征在于其中所述的色调成分被量化分为六个量化值。

4.根据权利要求3所述的感知特征集的撷取方法，其特征在于其中所述的六个量化值为红、黄、绿、蓝绿、蓝、紫红。

5.根据权利要求1所述的感知特征集的撷取方法，其特征在于其更包含一步骤，用以对该撷取特征向量予以分类。

6.根据权利要求5所述的感知特征集的撷取方法，其特征在于其中所述的撷取特征向量是使用聚类技术以进行分类。

7.一种感知特征集的撷取***，其特征在于其包括：

一转换单元，用以转换一输入影像以得到一色调成分及一饱和成分；

一量化单元，用以量化该色调成分，使其分为多个量化值，其中所述的量化该色调成分是乘以该饱和成分以进行加权，用以得到饱和值；

一加权单元，以该饱和成分对该量化的色调成分予以加权；以及

一统计单元，对该加权的量化色调成分及该饱和成分进行统计处理，用以撷取特征向量； 

一区块围绕于正进行特征撷取的像素；位于该区块内，特征向量包含色彩特征向量及无色特征向量，其是以该饱和值针对每一颜色以得到相对应的直方图，如下式：

color∈{红，黄，绿，蓝绿，蓝，紫红}

其中，p表示该像素，H_color为该色彩特征向量，H_gray为该无色特征向量，S_P为该饱和值，该饱和值的值介於0和1之间，B为围绕该像素p的区块。

8.根据权利要求7所述的感知特征集的撷取***，其特征在于其中所述的输入影像经转换为HSI(色调/饱和/亮度)颜色空间。

9.根据权利要求7所述的感知特征集的撷取***，其特征在于其中所述的色调成分被量化分为六个量化值。

10.根据权利要求9所述的感知特征集的撷取***，其特征在于其中所述的六个量化值为红、黄、绿、蓝绿、蓝、紫红。

11.根据权利要求7所述的感知特征集的撷取***，其特征在于其更包含一分类单元，用以对该撷取特征向量予以分类。

12.根据权利要求11所述的感知特征集的撷取***，其特征在于其中所述的撷取特征向量是使用聚类技术以进行分类。 

Images