FROM:?http://blog.csdn.net/leixiaohua1020/article/details/16883379

顏色和邊緣的方向性描述符（Color and Edge Directivity Descriptor，CEDD）

本文節(jié)選自論文《Android手機上圖像分類技術的研究》。

?

CEDD具有抽取特征速度較快，特征描述符占用空間較小的優(yōu)勢。下面就對CEDD原理進行詳細的闡述和分析。

1.顏色信息

CEDD特征結(jié)合了顏色和紋理兩方面信息，本小結(jié)將給出顏色信息提取的過程，重點分析RGB-HSV模型轉(zhuǎn)換、10-bins模糊過濾器和24-bins模糊過濾器的原理。

1.1.RGB模型轉(zhuǎn)換為HSV模型

RGB模型可以說是我們最熟悉、使用也最多的顏色模型，它們分別代表組成一個顏色的三個分量，（0，0，0）代表黑色，（255,255,255）代表白色，（255,0,0）代表紅色，（0，255，0）代表綠色，（0,0,255）代表藍色，其它顏色也可通過調(diào)整這三個分量表示出來。RGB顏色模型的設計是根據(jù)色彩發(fā)光原理而來的，且與硬件相關，一般情況下，計算機都會釆用這種空間模型在屏幕上顯示某種顏色的定義，即人們所熟悉的三色組合。所以，當從一幅圖像中提取像素點時首先提取的一般也是像素點的RGB信息。

HSV模型中，H （Hue）代表色調(diào)，指通過物體傳播或從物體射出的顏色，一般在使用中是由顏色名稱來標識的。S （Saturation）代表飽和度，表示色調(diào)中灰色成分的比例，指顏色的純度或強度。V （Value）代表亮度，指顏色相對的明暗程度。HSV模型能夠較好地反應人對顏色的感知和鑒別能力，所以非常適合于比較基于顏色的圖像相似性，在圖像分類中也得到了廣泛應用。

綜合上述兩點，在提取顏色信息前就需要對圖像像素進行RGB-HSV的模型轉(zhuǎn)換。在此特征提取算法中RGB-HSV轉(zhuǎn)換的方式稍有不同，且最后得出的S、V取值范圍也有差別，都是（0，255），但基本原理不變，這是為了方便于后面在模糊過濾器中的運算，轉(zhuǎn)換公式如下：

這里所有的HSV值最后都取整數(shù)。

通過上面的計算，便可以得出像素點的HSV值，下面將用HSV值進行模糊過濾，得出顏色信息的直方圖。

?

1.2. 10-bins模糊過濾器

??

10-bins模糊過濾器的工作過程是通過三個通道輸入HSV信息，然后輸出10個模糊的直方圖信息值。10個直方圖信息值的含義如下：（0）黒色（Black），（1）灰色（Gray），（2）白色（White），（3）紅色（Red）, （4）橙色（Orange），（5）黃色（Yellow），（6）綠色（Green），（7）青色（Cyan），（8）藍色（Blue），（9）品紅色（Magenta）。其原理如圖所示。

10-bins模糊過濾器是基于模糊理論的，我們先來分析一下模糊理論中顏色徑向邊緣的生成。由于H代表的是色調(diào)，從它的計算方法可以看出H的取值范圍為0-360，則當一張圖片上出現(xiàn)由一種顏色向另一種顏色過渡時，H值的變化就會較快，這時就會出現(xiàn)所謂的顏色徑向邊緣。根據(jù)模糊理論可以找出這些徑向邊緣的位置。如圖所示，圖（a）為提取出的H通道值的圖像，圖（b）是將圖（a）通過CLF過濾器模糊處理后得出的。CLF的英文全稱為Coordinatelogic filters，它的方法就是將圖像上每個3*3方塊的九個像素點的二進制值進行邏輯“與”運算，這樣，在H通道的顏色邊緣處就會出現(xiàn)較小的H值，也就是我們看到的圖 （b）的效果。再將原H值圖像與過濾后的H圖像進行差運算即可得如圖（c）所示的較明顯的顏色徑向邊緣。圖 （d）為H通道理論上的徑向邊緣位置。

通過上述原理反復實驗可以得到H徑向邊緣的范圍，如圖所示，將H通道的值分為八個模糊區(qū)域，每一區(qū)域依次命名為：（0）紅色-橙色（Redto Orange），（1）橙色（Orange），（2）黃色（Yellow），（3）綠色（Green），（4）青色（Cyan），（5）藍色（Blue），（6）品紅色（Magenta），（7）藍色-紅色（Blueto Red）。每兩個相鄰區(qū)域都有交叉的部分。

?

3.1.3.24-bins模糊過濾器

24-bins模糊過濾器就是將10-bins模糊過濾器輸出的每種色區(qū)再分為3個H值區(qū)域，輸入一個10維向量和S、V通道值，輸出的是一個24維向量，其系統(tǒng)模型如圖3-7所示。它輸出的每一維所代表的信息分別是：（0）黑色（Black），（1）灰色（Grey），（2）白色（White），（3）暗紅色（Dark Red），（4）紅色（Red），（5）淺紅（Light Red）,（6）暗橙色（DarkOrange），（7）橙色（Orange），（8）淺橙色（Light Orange），（9）暗黃色（Dark Yellow），（10）黃色（Yellow）, （11）淺黃色（LightYellow），（12）深綠色（Dark Green），（13）綠色（Green），（14）淺綠色（Light Green），（15）暗青色（Dark Cyan），（16）青色（Cyan），（17）淺青色（Light Cyan），（18）深藍色（Dark Blue）,（19）藍色（Blue），（20）淡藍色（LightBlue），（21）暗品紅色（DarkMagenta），（22）品紅色（Magenta），（23）淺品紅色（Light Magenta）。

?

3.2.紋理信息

本小結(jié)將介紹CEDD特征中紋理信息的提取過程，通過YIQ模型計算出像素灰度值，再提取圖像的邊緣方向直方圖紋理信息。

3.2.1.YIQ彩色空間

YIQ色彩空間屬于NTSC （國際電視標準委員會）系統(tǒng)。Y（Luminace）代表了顏色的明視度，直觀點說就是圖像的灰度值。I和Q （Chrominace）代表了色調(diào)信息，它們分別描述圖像色彩以及飽和度的屬性。在YIQ色彩空間模型中，Y分量表示圖像的亮度信息，I和Q分量表示顏色信息，I分量是指從橙色到青色，Q分量則是指從紫色到黃綠色[24]。

通過對彩色圖像從RGB到Y(jié)IQ空間的轉(zhuǎn)換，可以分開彩色圖像中的亮度信息與色度信息，并對其各自進行獨立處理。RGB轉(zhuǎn)換到Y(jié)IQ空間模型的對應關系如下面方程所示：

提取紋理特征時，最常用的就是圖像的灰度值，這里引出YIQ空間也只為求出Y值，以便后面進行紋理信息的提取。

3.2.2.邊緣方向直方圖

在這里將提出一種計算速度較快捷的紋理信息提取方法，EHD（ Edge Histogram Descriptor），即邊緣直方圖描述符，將會用到5個數(shù)字濾波器，如圖3-9所示。

?

這五個數(shù)字濾波器是用來提取紋理邊緣信息的，它們能夠?qū)⑵渌饔玫膮^(qū)域分為垂直方向、水平方向、45度方向、135度方向和無方向五個類別。在對圖像進行紋理信息提取時會將圖像分為若干小區(qū)。然后每個小區(qū)再分為如圖3-9的四個大小相等的子小區(qū)。然后每個小區(qū)再分為如圖3-9的四個大小相等的子小區(qū)。用g₀?(i，j)，g₁(i，j)，g₂(i，j)，g₃(i，j)分別表示在第（i,j)個小區(qū)內(nèi)四個子小區(qū)的平均灰度值。a_v?(k)，a_h?(k)，a_d-45(k)，a_d-135?(k)和a_nd?(k)分別代表四個子小區(qū)平均灰度值經(jīng)過過濾器時的參數(shù)，圖中每個子小區(qū)中的數(shù)值便是濾波器的參數(shù)，其中k的取值范圍是0到3整數(shù)，表示小區(qū)內(nèi)的四個子小區(qū)。n_v?(i, j)，n_h?(i，j)，n_d-45(i，j)，n_d-135(i，j)和n_nd(i，j)為第（i，j)個小區(qū)內(nèi)所判定各方向的取值。計算方法如下：

找出最大值，

再對所有n值規(guī)范化，

通過上面的計算公式，可以得出每個小區(qū)內(nèi)圖像邊緣的信息。CEDD中紋理信息提取的是一個6維直方圖，直方圖中各維信息的含義分別是：（0）無邊緣信息，（1）無方向的邊緣信息，（2）水平方向的邊緣信息，（3）垂直方向的邊緣信息，（4） 45度方向的邊緣信息，（5） 135度方向的邊緣信息。判斷每個小區(qū)紋理信息所屬的直方圖區(qū)域的方法如圖3-10所示：

首先設定4個閾值：T₀=14，檢驗該小區(qū)是否含有邊緣信息；T₁=0.68，判斷該小區(qū)是否含有無方向信息；T₂=T₃=0.98，用來判斷該小區(qū)是否含有其它四個方向的信息。如果m_max大于T₀，則該小區(qū)含有紋理信息，如果不大于則是非含有紋理信息的小區(qū)，那么6維直方圖第一維的值會加1。如果該區(qū)域是有邊緣信息的，即m_max大于等于T₀，便可以計算其它各方向信息的值，如圖3-10所示。此原理圖是一個發(fā)散的五邊形，每個頂點代表一個邊緣方向類別，每個小區(qū)內(nèi)計算出的n_nd、n_h、n_v、n_d-45、n_d-135值便分別落在五個點與中心原點的連線上。中心點的值為1，五邊形邊界線上的值為0。如果n值大于它相應邊緣方向類別上的閾值，則可判定該小區(qū)屬于這個邊緣方向類別，可想而知，一個小區(qū)可以同時屬于幾個類別。由此，便有如下劃分方法：若n_nd大于T₁，則直方圖中含有無方向信息的區(qū)域值加1;若n_h大于T₂,則直方圖中含有水平方向邊緣信息的區(qū)域值加1;若n_v大于T₂，則直方圖中含有垂直方向邊緣信息的區(qū)域值加1;若n_d-45大于T₃，則直方圖中含有45度方向邊緣信息的區(qū)域值加1;若n_d-135大于T₃，則直方圖中含有135度方向邊緣信息的區(qū)域值加1。

?

3.3. CEDD 特征

CEDD的英文全稱是Color and Edge Directivity Descriptor,即顏色和邊緣方向特征描述符。它結(jié)合了圖像的顏色和紋理信息，生成一個144位的直方圖。這個特征提取方法可以分為兩個子模塊系統(tǒng)，提取顏色信息的是顏色模塊，提取紋理信息的是紋理模塊，這兩個單元的具體算法已經(jīng)在3.1小節(jié)和3.2小節(jié)進行了詳細講述。CEDD直方圖信息由六個區(qū)域組成，也就是3.2中講到的紋理模塊，六個區(qū)域就是提取出的6維向量直方圖，然后在這些紋理信息的每一維中再加入顏色模塊提取出的24維顏色信息，這樣就可以將顏色和紋理有效結(jié)合起來，最終得出6*24=144維的直方圖信息。其原理如圖3-11所示。

在實現(xiàn)過程中先將圖片分成若干小區(qū)，小區(qū)的數(shù)量是根據(jù)圖像具體情況和計算機能力綜合決定的，每一個圖像小區(qū)都會經(jīng)過紋理模塊和顏色模塊的處理。

小區(qū)在紋理模塊特征提取過程中會先分為4個子小區(qū)。根據(jù)YIQ計算公式得出每個像素的灰度值，求出每個子小區(qū)的平均灰度值。再經(jīng)過5個數(shù)字濾波器過濾后，根據(jù)圖3-10的原理判斷該子小區(qū)屬于哪些紋理信息類別。

在顏色模塊中，每個圖像小區(qū)都會轉(zhuǎn)換為HSV色彩空間，系統(tǒng)會將小區(qū)內(nèi)HSV各通道的平均值通過10-bins模糊過濾器輸出的10維向量再通過24-bins模糊過濾器中。通過10-bins模糊過濾器后根據(jù)H值得出了 10個色彩類別，當通過24-bins模糊過濾器時會根據(jù)S和V的區(qū)域判定對H進行再分類輸出24維的直方圖。

圖像的每一個小區(qū)都會經(jīng)過顏色模塊的處理，處理后將24個數(shù)據(jù)分別加入到該小區(qū)所屬的各紋理類別中，最后對直方圖進行歸一化處理。

如果只進行到歸一化這一步并不能體現(xiàn)出CEDD的優(yōu)越性，因為這里面的值含有小數(shù)部分，要占用大量的存儲空間。如果對其進行量化，則量化后的整數(shù)值既方便存儲，又可以讓人們直觀的讀取特征值。表3-1是CEDD特征提取后的量化表，量化范圍是0-7的整數(shù)。可以看出它并不是一個均勻量化，向量中每一紋理區(qū)域的量化范圍都是不同的，而且區(qū)域內(nèi)的量化級也不是等比遞增，有關它的原理可以參考文獻。

?

?

原文地址：

http://www.cnki.net/KCMS/detail/detail.aspx?QueryID=0&CurRec=1&recid=&filename=1013244249.nh&dbname=CMFDTEMP&dbcode=CMFD&pr=&urlid=&yx=&uid=WEEvREcwSlJHSldSdnQ1ZStuZ0NTSk9iRWltY2FjWXRhVnU3aTllaWxjQnBWWk4yRkIrTDdmd1Bka1BrY3pZPQ==&v=MjQzNTVuVzcvQVZGMjZIYkc4R3RQSXBwRWJQSVI4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUkxtZVp1UnVGeXI=

總結(jié)

以上是生活随笔為你收集整理的CEDD（Color and Edge Directivity Descriptor）算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。