一种信息检索方法
【技术领域】
[0001] 本发明涉及视频图像检索，特别涉及一种信息检索方法。
【背景技术】
[0002] 基于内容的视频检索通过提取视频图像特征进行特征匹配来达到检索的目的。现 有技术大多为基于底层特征的检索。由于底层特征难以表现人对视频中目标的主观概念， 而人能识别视频含义这个过程需要大量的生活经验和推理，故目前视频的底层特征和高层 语义特征还存在着较大的断层带，在提高视频检索准确率及检索速度方面还不足以推广应 用。例如，不同的视频具有不同的特性，故如果只针对视频的某一种特性进行特征提取，则 检索结果精确度会受到影响。
[0003] 因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。
【发明内容】
[0004] 为解决上述现有技术所存在的问题，本发明提出了一种信息检索方法，包括：
[0005] 采用自适应边缘检测算法提取视频图像的边缘，得到边缘二值图像；
[0006] 对视频区域进行分块，即将边缘二值图像分成4X4小块；
[0007] 完成分块后，将每一个小块中颜色为白色的像素的数量除以当前小块的总像素数 量，得到当前分块的白色像素所占比重；
[0008] 将不大于预设阈值的白色像素所占比重小块确定为黑块，计算分块后的黑块数 量；
[0009] 若视频中的黑块数量大于预设阈值，则通过基于边缘特征的视频分割方法提取视 频目标进行检索；
[0010] 计算待检索视频图像和目标视频图像间的欧氏距离；
[0011] 其中，所述基于边缘特征的视频分割方法进一步包括：
[0012] 首先获取梯度直方图：将图像的梯度值经等间隔量化后取值范围为[0，1，…， 100]，则梯度直方图H定义为〈hi，h 2，…，hN>，其中N为灰度图像中包含的像素数，hi为大 小为i的梯度在整幅图像中所拥有的像素数占整幅图像总像素数的比例；
[0013] 得到梯度直方图后，计算边缘检测算法中所需的高低阈值，在梯度直方图中的非 边缘区域以外选取高阈值t h，确定颜色空间向量直方图的全局阈值，将颜色空间向量直方 图分为两个区域A区域和B区域，计算A和B两区域的类间方差σ 2:σ2=ρΑ(ωΑ-ω(ι)2+ρ B ( ω Β_ ω 〇)
[0014] 其中，p# ρ d Α，Β颜色出现的概率；ω 4和ω j别为A区域和B区域的颜色值 均值；Qtl为图像的总颜色值均值，迭代求出使σ 2最大时的阈值T即为最佳全局阈值；
[0015] 计算出A区域和B区域梯度值的均值μΑ、μΒ和方差σ /、σ Β2;利用μ Α、σ /或 者μΒ、〇Β2计算出非边缘区域的范围，进而自适应确定高低阈值，并且确定为高阈值th = 4,2.5〇/，而低阈值1：1=44-0.3〇/。
【附图说明】
[0016] 图1是根据本发明实施例的信息检索方法的流程图。
【具体实施方式】
[0017] 下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描 述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权 利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节 以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中 的一些或者所有细节也可以根据权利要求书实现本发明。
[0018] 本发明的一方面提供了一种信息检索方法。图1是根据本发明实施例的信息检索 方法流程图。基于此，本发明将视频图像的颜色特征以及边缘特征相结合，将视频分为三种 类型，并结合视频的颜色直方图以及梯度直方图，使用不同的方法来分割具有不同特性的 视频。然后，将视频图像分成多个块，计算欧氏距离时，根据其不同特征，自适应地给出每块 图像的特征权重。
[0019] -般情况下获取的图像都是在RGB空间中进行描述，但RGB空间结构并不符合人 类对颜色的主观判断。而HSV颜色空间由色调、饱和度和亮度3个分量组成，与人眼的视觉 特性比较接近。因此，为了更符合人眼的视觉特性，经常需要做颜色空间转换，将RGB图像 转换成HSV图像。
[0020] 目前，大多数图像均以真彩色的格式存储。事实上，一幅图像中实际包含的颜色数 目只是全部颜色数的一个很小子集。为了节约存储空间以及减少计算复杂度，可以对HSV 空间进行非等间隔量化。本发明采用如下量化方法：
[0021] 首先，把色调H空间分为8份，饱和度S和亮度V空间分别分为3份，即H =
[0022] 1，h e [316。，359。] U [0。，20。]
[0023] 2, h e [2Γ，40° ]
[0024] 3, h e [4Γ，75。]
[0025] 4, h e [76°，155° ]
[0026] 5, h e [156°，190° ]
[0027] 6, h e [1%~，270。]
[0028] 7, h e [27Γ，295。]
[0029] 8, h e [296°，315° ]
[0030] S =
[0031] Lse [0,0. 2)
[0032] 2, s e [0· 2,0· 7)
[0033] 3, s e [0. 1,1]
[0034] V =
[0035] Lve [0,0. 2)
[0036] 2, V e [0· 2,0· 7)
[0037] 3, V e [0. 1,1]
[0038] 然后，按照上述量化级，将3个颜色分量合成特征向量，如下式所示：
[0039] L = 9H+3S+V
[0040] 这样，H、S、V三个分量便可以在颜色空间向量上体现。根据上式，L的取值范围为 [13,14,…，84]。经量化，可有效减少计算量。将此量化结果形成直方图形式，即可得到颜 色空间向量直方图。
[0041] 得到视频的颜色空间向量直方图，即可确定一阈值，利用视频中目标区域和背景 区域的颜色差异进行图像分割。本发明采用以下方法来确定颜色空间向量直方图的全局阈 值，设th为所要求的阈值，可将颜色空间向量直方图分为两个区域A区域和B区域，则A和 B两区域的类间方差σ2的计算公式为：σ
[0042] 其中，p# p d A，B颜色出现的概率；ω 4和ω j别为A区域和B区域的颜色值 均值；Wtl为图像的总颜色值均值。迭代求出使σ 2最大时的th值T即为所求的最佳全局 阈值，进而可将视频中目标与背景分割开来。
[0043] 基于颜色空间向量直方图的视频分割的具体步骤如下：
[0044] (1)求出原视频的颜色空间向量直方图及其最佳全局分割阈值T。
[0045] (2)将原视频中的背景设置为黑色。由于不同的视频颜色分布不同，因此采用两类 方案之一：
[0046] ①保留颜色空间向量直方图中拥有最多像素的颜色值所在的半区（例如，如果拥 有最多像素的颜色值小于T，则保留颜色值小于等于T的像素的颜色，而将颜色值大于T的 像素的颜色均设置为黑色）。
[0047] ②去除颜色空间向量直方图中拥有最多像素的颜色值所在的半区，将此半区颜色 值对应的像素设置为黑色。
[0048] 从视频的颜色空间向量直方图中可知，若阈值取值得当，两种方法均可较好地将 原视频中目标与背景分割。
[0049] 但是，单纯通过基于颜色的方法很难将主色较为分散视频中的目标与背景分割开 来，这也是基于视频颜色特征的视频分割方法在应用上的局限性。传统的边缘检测算法使 用的阈值需要人为确定，不具备自适应能力。本发明利用改进的边缘检测算法提取视频的 边缘特征并进行视频分割，可以更好地适应实际应用。
[0050] 首先获取梯度直方图：若一幅灰度图像包含N个像素，图像的梯度值经等间隔量 化后取值范围为[0，1，…，100]，则梯度直方图H定义为〈hi，h 2，…，hN>，其中，hi为大小 为i的梯度在整幅图像中所拥有的像素数占整幅图像总像素数的比例。
[0051] 得到梯度直方图后，便可以计算边缘检测算法中所要用到的高低阈值。高阈值th 必须在梯度直方图中的非边缘区域以外选取，否则将给结果带来很多虚假边缘。
[0052] 采用最大类间方差自动取阈值法可以得到满意的视频分割结果，同时可计算出最 佳全局阈值T，以及A区域和B区域梯度值的均值μ Α、μ B和方差σ /、σΒ2。根据均值和方 差的概率统计意义，利用μΑ、〇 Α2或者μ Β、σΒ2计算出非边缘区域的范围。利用μ &和σ / 确定非边缘区域进而自适应确定高低阈值的方法更好。在一个实施例中，当高阈值th = μΑ+2. 5 σ /和低阈值tl = μ A_0. 3 σ /时，自适应边缘检测算子边缘检测效果最为理想。
[0053] 根据本发明的可选实施例，在边缘检测算法中还可以根据以下过程获取改进的边 缘检测算子：
[0054] (1)用高斯滤波器平滑图像。（2)用高斯函数的一阶偏导数计算平滑后的图像计 算其梯度的幅值和方向并进行非极大值抑制。（3)用低阈值1\得弱边缘E 1，用高阈值Th得 强边缘E，显然E1包含E。（4) E i中仅保留与E有连通关系的连通分量作为输出边缘E。
[0055] 〇2的选取应该根据图像的实际情况进行自动获取。采用可根据图像的局部方差 来调整滤波器输出的自适应滤波对图像进行平滑。将最小方差也作为参数σ 2的恒定因子， 参数σ 2定义如下：
【主权项】
1. 一种信息检索方法，其特征在于，包括： 采用自适应边缘检测算法提取视频图像的边缘，得到边缘二值图像； 对视频区域进行分块，即将边缘二值图像分成4X4小块； 完成分块后，将每一个小块中颜色为白色的像素的数量除以当前小块的总像素数量， 得到当前分块的白色像素所占比重； 将不大于预设阈值的白色像素所占比重小块确定为黑块，计算分块后的黑块数量； 若视频中的黑块数量大于预设阈值，则通过基于边缘特征的视频分割方法提取视频目 标进行检索； 计算待检索视频图像和目标视频图像间的欧氏距离； 其中，所述基于边缘特征的视频分割方法进一步包括： 首先获取梯度直方图：将图像的梯度值经等间隔量化后取值范围为[〇，1，…，100]，则 梯度直方图H定义为〈hph，…，hN>，其中N为灰度图像中包含的像素数，1^为大小为i的 梯度在整幅图像中所拥有的像素数占整幅图像总像素数的比例； 得到梯度直方图后，计算边缘检测算法中所需的高低阈值，在梯度直方图中的非边缘 区域以外选取高阈值th，确定颜色空间向量直方图的全局阈值，将颜色空间向量直方图分 为两个区域A区域和B区域，计算A和B两区域的类间方差〇 2:〇2=pa(?a-?ci) 2+Pb(?b _w〇)2 其中，p !3为A，B颜色出现的概率；《 # ? !3分别为A区域和B区域的颜色值均值； 为图像的总颜色值均值，迭代求出使0 2最大时的阈值T即为最佳全局阈值； 计算出A区域和B区域梯度值的均值yA、~和方差。A2、 〇B2;利用y A、或者 yB、0B2计算出非边缘区域的范围，进而自适应确定高低阈值，并且确定为高阈值th = 1^+2.5〇/，而低阈值1:1=1^-0.3〇/。
【专利摘要】本发明提供了一种信息检索方法，该方法包括：采用自适应边缘检测算法提取视频图像的边缘，得到边缘二值图像；对视频区域进行分块，计算当前分块的白色像素所占比重；计算分块后的黑块数量，若黑块数量大于预设阈值，则通过基于边缘特征的视频分割方法提取视频目标进行检索，并比较图像间的欧氏距离。本发明一种信息检索方法，对目标与背景存在区分的视频图像实现了较好的检索结果，提高了准确率。
【IPC分类】G06K9-00, G06F17-30
【公开号】CN104657490
【申请号】CN201510097969
【发明人】洪冠军, 魏文
【申请人】四川智羽软件有限公司
【公开日】2015年5月27日
【申请日】2015年3月5日