Насиров Ф.

Одесская национальная академия связи имени А.С. Попова, Украина

Адаптивное ортогональное цветовое пространство

для сегментации опорных кадров видеопоследовательности

 

Сегментация опорных кадров видеопоследовательностей применяется для вычисления вектора движения, в мобильном телевидении, а также для формирования поисковых дескрипторов в системах контекстного поиска по изображениям. На сегодняшний день в задачах сегментации изображений наиболее часто используются такие цветовые пространства, как CI Е Lab , HLS , YUV и др. Характерная особенность этих систем заключается в том, что они, по определению, имеют фиксированный базис, т.е. базис не зависит от цветового контента изображения. Как следствие, очень сложно разработать такую систему сегментации, которая эффективно обрабатывала бы как статические изображения, так и опорные кадры видеопоследовательностей. Одним из возможных решений проблем сегментации можно считать использование ортогональных координатных цветовых систем, или цветовых пространств, базис которых зависит от цветового контента изображения.

Для того чтобы построить адаптивный базис цветового пространства рассчитаем по всему изображению ковариационную матрицу для компонент RGB , вида

,   (1)

где   – дисперсии,   – ковариации.

Эта матрица симметрическая, поэтому для вычисления ее собственных значений и собственных векторов можно воспользоваться алгоритмом вращения Якоби.

Для этого чтобы получить базис адаптивного цветового пространства упорядочим собственные значения в порядке убывания   и, в соответствии с собственными значениями, упорядочим собственные векторы , , . В этом базисе вектор , соответствующий максимальному собственному значению , по своей сути – яркость , или ахроматическая компонента, адаптивного цветового пространства. Векторы   и   определяют хроматические компоненты ,   аналогичные хроматическим компонентам оппонентного цветового пространства.

Преобразование из пространства RGB в цветовое пространство с адаптивным базисом осуществляется по формуле

,      (2)

Строки матрицы   – это упорядоченные собственные или базисные векторы.

Для изображений, приведенных на рис. 1 базисные векторы имеют компоненты , ,   и , ,   соответственно.

 

На рис. 1а преобладают зеленые и синие оттенки, а на рис. 1 b – желтые и зеленые, что приводит к отличию базисных векторов. Таким образом, каждому изображению будет соответствовать свой базис. Поскольку хроматические компоненты слабо зависят от яркости, их можно использовать для сегментации изображений по этим двум компонентам.

В системах сегментации достаточно часто используют насыщенность и цветовой тон. Поскольку базисные векторы ортогональны, то насыщенность   и цветовой тон   будут вычисляться по формулам:

, , (3)

Ахроматическая компонента Y , цветовой тон H и насыщенность S в рассмотренном адаптивном ортогональном цветовом пространстве представлены на рис. 2.

 

Из рис. 2b можно видеть, что на представлении цветового тона чётко разделяются цветовые сегменты однозначных цветов: красного (причальная тумба), синего (небо и море), желтого, зелёного и их комбинаций (берег).

На представлении насыщенности можно увидеть изменения яркости изображения (солнечные блики на причальной тумбе, рис. 2с).

Исходя из сказанного выше, можно сделать вывод, что предлагаемое адаптивное ортогональное цветовое пространство может быть эффективно использовано для сегментации опорных кадров видеопоследовательности.