基于顏色特征的圖像復(fù)雜度研究.pdf

1、圖像復(fù)雜度的研究在諸如目標(biāo)自動(dòng)識(shí)別、邊緣檢測(cè)、圖像壓縮、數(shù)字水印、圖像隱寫(xiě)算法、圖像分類(lèi)與檢索、認(rèn)知心理學(xué)、計(jì)算機(jī)美學(xué)等領(lǐng)域得到了廣泛的應(yīng)用。盡管如此，圖像復(fù)雜度并沒(méi)有一個(gè)統(tǒng)一的概念，不同的研究領(lǐng)域給予了圖像復(fù)雜度不同的定義和描述方法。
　　組成論[2]是一個(gè)用于研究描述客觀事物普遍規(guī)律的新的知識(shí)體系，它通過(guò)復(fù)雜度[2]的概念來(lái)反映研究對(duì)象內(nèi)部組成的豐富程度。組成論的提出為復(fù)雜度問(wèn)題的研究提供了一個(gè)新的思路。
　　本文從圖像

2、最直觀的顏色特征入手（包括顏色種類(lèi)特征和顏色空間分布特征），結(jié)合組成論中提出的廣義集合、分布函數(shù)和復(fù)雜度的概念，分別定義了描述圖像顏色種類(lèi)特征、圖像顏色空間分布特征的廣義集合，給出了圖像顏色種類(lèi)特征復(fù)雜度和顏色空間分布特征復(fù)雜度的定義與求解方法。并且將這兩種顏色特征復(fù)雜度相結(jié)合，給出了一個(gè)求解圖像顏色特征復(fù)雜度的方法。
　　為了驗(yàn)證本文提出的圖像顏色特征復(fù)雜度計(jì)算方法的可行性和有效性，分別在 RGB和 HSI色彩模型下構(gòu)造并實(shí)現(xiàn)了

3、相應(yīng)的計(jì)算圖像顏色特征復(fù)雜度的算法，并使用大量圖像對(duì)算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：(1)在RGB模型下以原始圖像為研究對(duì)象，得到的實(shí)驗(yàn)圖像的顏色種類(lèi)復(fù)雜度與人的視覺(jué)感受一致性較高，在一定程度上說(shuō)明了顏色種類(lèi)復(fù)雜度計(jì)算方法的有效性。但由于RGB彩色空間本身不能很好地反映人眼對(duì)色彩的視覺(jué)感受，識(shí)別的圖像顏色種類(lèi)數(shù)遠(yuǎn)大于人眼可區(qū)分的顏色種類(lèi)數(shù)，因此計(jì)算得到的圖像顏色分布特征復(fù)雜度與人的視覺(jué)感受相符程度比較低，進(jìn)而影響了圖像顏色特征復(fù)雜度計(jì)算

4、結(jié)果的準(zhǔn)確性；為了驗(yàn)證在減少顏色過(guò)度識(shí)別后圖像顏色特征復(fù)雜度計(jì)算方法是否有效，采用CoQuWeiP[43]色彩量化算法對(duì)原始圖像進(jìn)行色彩量化操作，并對(duì)色彩量化后的圖像進(jìn)行實(shí)驗(yàn)。結(jié)果表明在給定參數(shù)下圖像的顏色空間分布復(fù)雜度和整體顏色特征復(fù)雜度與人的視覺(jué)感受的一致性都有明顯提高，但是由于色彩量化過(guò)程中存在顏色信息的丟失，進(jìn)而影響了顏色種類(lèi)復(fù)雜度計(jì)算結(jié)果的有效性。(2)在 HSI模型下，采用了N. Ikonomaki[23]等人提出的像素相似