1應用需求分析

森林信息化的建設不僅是網絡上的接入，還要擁有一個技術先進、應用廣泛的綜合信息系統。在綜合信息系統中，信息的存儲組織和檢索通常是需要解決的中心問題。隨著大容量存儲技術的成熟和成本的下降，信息數據的存儲已經不再是主要矛盾，如何從海量的信息資源中快速查找出需要的信息成了需要解決的主要問題。森林煙火領域里，傳統的信息表達形式是公文、研究報告、刊物等。多年來，基于文本的檢索技術和語義搜索技術為這些形式的信息提供了方便的查詢方法。近年來，圖像信息在森林防火領域里的應用呈現了飛速增長的態勢，主要形式有衛星照片、雷達成像、數字地圖及資料圖片等。于是圖像領域里的檢索需求也漸漸突出出來，比如:如何快速判斷出目標是煙火還是其他的目標，如何判斷出目標的型號和技術參數等。這些應用需求是通常的文本檢索技術所不能滿足的，要滿足這些檢索需求，需要通過信息的內容直接檢索，這就需要用到基于內容的圖像檢索技術。

2檢索算法研究

因為圖像處理技術本身存在固有的圖像相關性，即某一種方法只對某一類圖像有效，對其他類型的圖像不一定有效的規律，所以針對不同領域里有著某種共性的圖像而言，為了達到有效的檢索效果，需要提取的特征種類和綜合計算方法也不盡相同。針對森林領域的煙火圖像庫的特點，分析、設計并介紹一種針對煙火圖像庫的檢索方法。

2．1森林煙火圖像的特點及分析

在研究針對森林煙火圖像的檢索方法前，需要對這一類圖像的特點進行全面考察，經過對大量煙火圖像的考察，發現其有以下幾個特點:1)一幅圖片通常有且只有一個明顯的主題對象2)前景色與背景色的反差通常比較明顯3)對象形狀一般呈明顯的幾何形狀4)用戶的檢索需求集中體現在圖像的主題對象上。在圖像沒有分割的條件下，主題對象的特征主要表現在面積較大的區域上，所以在圖像分割的結果中，面積較小的區域可以忽略不計，以此減少干擾。圖像分割適合通過閾值分割方法或者區域生長方法方便地實現，在實驗系統中使用區域生長算法實現。此類檢索需要充分針對的是主題對象的特征，背景信息并不重要，所以，要實現相對準確的檢索，需盡量剔除背景信息的干擾以獲得主題對象的特征，這就需要提取圖像的主題目標特征。根據以上特點分析，采用圖像分割技術獲得圖像的主題目標區域，綜合使用區域的顏色和形狀特征進行檢索方案設計。

2．2算法形式化描述

先將圖像分割成若干對象區域，對每個區域抽取顏色特征和形狀特征，聯合構成特征向量，并根據區域重心距離圖像中心的遠近來設置權重系數，計算區域之間的相似度，進而計算圖像之間的相似度，在相關反饋中調整區域的權重系數，讓系統記住區域對于表達圖像語義信息的重要程度。對每個區域計算三個形狀特征參數:一面積百分比、離心率、離散度。不同語義信息的主題對象往往在形狀上存在較大區別，通過這三個參數可以進行較好的表達。

3應用模式分析

基于內容的圖像檢索技術在森林防火領域里的應用主要是從遙感圖像中辨認煙火目標。環形火焰的框圖分類(如圖1所示)。

4檢索算法實現

檢索算法的實現包括顏色空間轉換、圖像分割算法、特征提取等幾個主要方面，具體描述如下。

4．1顏色空間的選擇

RGB顏色空間的三元色各值之間有太高的獨立性，而且亮度也同時被植入了這三個值當中，所以，在RGB空間中距離很近的兩個顏色會在外觀上有很大的反差，不符合人眼感受色彩的方式。而HSI空間的亮度分量與色度分量是分開的，即亮度與圖像的色彩信息無關，同時色度和飽和度與人眼感受色彩的方式相當接近，這些特點使得HSI模型非常適合基于內容的圖像檢索方法。

4．2圖像分割的實現

采用區域生長方法實現圖像分割和區域的提取，具體由遞歸函數實現。為了避免圖像過大造成程序堆棧溢出，需要對原圖做歸并處理，在縮略圖的基礎上進行分割操作。具體步驟如下:1)對圖像進行濾波處理，以消除噪聲和局部紋理特征的影響。采用最常用的線性平滑濾波器和3*3的模板。2)將圖像分成等面積的象素塊單元，以每個塊的平均色作為本象素塊的顏色，把象素塊作為縮略圖的一個象素，圖像最終被轉換成縮略圖，以下操作均對縮略圖進行。為每個象素分配一個標記，初始化值為“未完成”。3)從左上角第1個象素開始選擇一個“未完成”的象素作為種子，并建立一個區域，拿其4－鄰域空間內的象素和種子進行顏色比較，若兩者相似則歸并到這個區域中，將該象素的標記改為“完成”，并計算該區域的平均顏色。4)以剛剛并入區域的象素為中心，再依次歸并它的4－鄰域空間內的象素點，如此遞歸操作，使單元面積不斷擴大，直到沒有鄰域的象素與其相似或者到了圖像邊界，此時，一個區域便產生了。5)繼續步驟3和4，直到沒有可以再歸并的象素，此時，圖像中的每個象素都已經屬于某個區域。6)對分割后的圖像進行處理，將符合標準的小區域進行合并。7)染色處理。為了查看分割的效果，使結果更加直觀，對每個區域取平均顏色作為區域的代表顏色，并把區域內部的全部點都染成此顏色。值得注意的是，為了得到恰當的生長點，需要迭代使用這個算法，將第1次分割后的區域的中心作為生長點，進行第2次生長，進而得到更好的分割效果。另外，調整顏色比較規則中的閾值，使得分割后圖像的區域數不超過5個為易，以避免過分割帶來的計算量過大產生誤檢索。

4．3特征的提取

特征的提取分為區域顏色特征的提取和區域形狀特征的提取。1)區域顏色特征的提取比較顏色的前三階中心距被證明是有效的顏色索引方法，這種方法對于在不同的角度拍攝同一個物體得到的圖像有較好的鑒別能力。在HSI顏色空間里，對每個顏色分量都計算其三階中心矩，則區域的顏色特征可以用9個實數R(h1，h2，h3，s1，s2，s3，i1，i2，i3)來表示。2)區域形狀特征的提取形狀的區域特征主要有區域的面積、重心、縱橫比、離散度、離心率等，Flicker等人在IBM?的QBIC中采用了形狀面積、圓度、離心率、主軸慣量等特征，形狀間的相似度由特征矢量的加權歐幾里德距離來度量。森林煙火每個圖像具有明顯的前景和背景區分，因而圖像分割的效果較好，能夠較好地抓住主題目標和背景各自的顏色和形狀特征，所抽取的特征能夠抓住同類圖像的相似點，索引構建的過程比較接近于人對圖像的理解，檢索效果也比較好。針對不同的應用領域或不同特點的圖像集合，需要根據其特點設計不同的方法。

本文作者：郭志佳、曲鑫 單位：哈爾濱市勘察測繪研究院、黑龍江省測繪科學研究所