圖像直方圖

圖像直方圖由於其計算代價較小，且具有圖像平移、旋轉、縮放不變性等眾多優點，廣泛地應用於圖像處理的各個領域，特別是灰度圖像的閾值分割、基於顏色的圖像檢索以及圖像分類。

圖像分割是圖像識別的基礎，對圖像進行圖像分割，將目標從背景區域中分離出，可以避免圖像識別時在圖像上進行盲目的搜索，大大提高圖像識別的效率以及識別準確率。基於灰度直方圖的閾值分割計算簡單，適用於目標與背景分佈於不同灰度範圍的灰度圖像，特別是遙感圖像。

圖像檢索是 ^[1]  指快速有效地從大規模圖像數據庫中檢索出所需的圖像，是目前一個非常重要又富有的挑戰性的研究課題。顏色特徵由於其直觀性、計算代價較小等優點，在圖像檢索中扮演着重要角色，早期的圖像檢索算法也主要利用顏色特徵，特別是顏色直方圖。

圖像分類任務主要是對一組圖進行一系列自動處理，最終確定圖形所屬的類別。圖像分類具有廣泛的應用前景，是計算機視覺的難點問題。針對圖像分類的算法眾多，其中以基於bag-words模型的方法最為經典有效。該方法首先利用提取的顏色、形狀等特徵構建視覺詞典，然後在圖像上統計視覺詞的直方圖，最後利用視覺詞直方圖作為特徵運用分類器進行分類決策。

對於應用於圖像分割的灰度直方圖，現有的灰度直方圖形狀容易受到噪聲干擾，構建在分割算法魯棒性不足，迫切需要研究一種消除噪聲干擾且適應能力強的灰度直方圖圖像分割方法；對於應用於圖像檢索的顏色直方圖，傳統顏色直方圖描述方法存在特徵維數高、受光照影響、不能表達相近顏色間相關性及丟失空間位置信息的問題。因此，需要研究綜合考慮多種因素的顏色直方圖法，現有的基於bag-of-words的方法在視覺詞的構造、直方圖的統計上仍然存在不足之處，使得最終得到的視覺詞直方圖不能很好的表達圖像類別特徵，因此需要研究新的基於bag-of-words的算法解決這些問題。

這裏具體研究了灰度直方圖、顏色直方圖、視覺直方圖以及構建在這些直方圖上的圖像分割、圖像檢索、圖像分類應用，主要研究工作如下：

1、針對一維閾值分割算法適應性差、容易受噪聲干擾，二維閾值分割算法複雜度高的問題，提出一種基於區域劃分的灰度直方圖綜合閾值分割算法。該算法利用像素灰度以及領域均值組成二維空間，在此二維空間上利用區域劃分的方法來構造一維直方圖，再綜合最小誤差、最大熵以及最大類間方差三種經典的分割算法，構造新的閾值選取方法，最後利用獲取的閾值分割算法具有更強大的適應新，以及穩健的抗噪性：同時與二維算法相比，適應的噪聲種類更多，算法的計算複雜度小很多。

2、傳統的顏色距離度量通常採用最簡單的歐式距離度量方式，但在HSV顏色空間上，由於各分量對顏色的貢獻程度不同，因此這種簡單的顏色距離度量方式不能很好地移植到此空間上。針對這問題，本文提出參數化的HSV顏色空間距離，通過參數的差別來區分不同分量。然後人工標註顏色對間的距離的相對大小，並利用基於pair-wise的學習方法訓練已標註的數據，最終學習出距離公式中的各參數，得到適合HSV空間的參數化的顏色空間距離公式。

3、針對丟失空間位置信息的四個問題，提出顏色直方圖存在計算維數高、易受亮度變化影響、相近顏色缺少相關性以及丟失空間位置信息的四個問題，提出一種基於聚類的空間顏色直方圖方法。該方法首先對圖像進行k-均值聚類。然後在聚類圖上統計考慮空間位置分佈的空間顏色直方圖。同時，通過人工標註數據方法訓練處HSV顏色空間的參數化距離公式，並在此之上給出空間顏色直方圖的相似度匹配算法。實驗表明，該方法實現簡單，較好地反映了圖像顏色等特徵，基於本文算法的圖像檢索效果比傳統方法有所提高。另外，該方法適應性強，可根據需要標註相應的數據進行訓練，從而滿足多樣性的主觀顏色相似需求。

bag-of-words是圖像分類的經典方法，其核心是視覺詞如何選擇以及如何統計視覺詞直方圖。本文提出一種基於視覺詞直方圖的圖像分類算法。該方法首先利用視覺注意機制應用在分類圖像上，得到圖像的顯著度圖。然後提取顏色、形狀等多種圖像特徵，利用顯著度圖構造權值。生成詞典，統計每個圖像的視覺詞直方圖，再利用L1正則化的邏輯迴歸方法篩選特徵，最後將篩選後的特徵利用SVM分類器進行分類決策，最終得到圖像分類結果。