第三因子特征分析结果

2023-08-23 理论教育版权反馈

【摘要】：作为同一个因子的组成成分，说明这些词义之间也存在着非常密切的联系。图8－4面料图像样本的灰度共生矩阵图像的平滑与粗糙程度可以用图像的纹理特征去表示。至此，本文对服装面料的图像情感因子与低层特征之间的关系进行了较为详细的分析，为下一步探索利用这些图像特征进行面料图像情感语义的识别和检索打下基础。

从式（7－2）中可以看出，与第三个因子关系比较密切的主要是“厚重的—轻薄的”、“温暖的—凉爽的”这两对词组。作为同一个因子的组成成分，说明这些词义之间也存在着非常密切的联系。

根据色彩心理学理论，“厚重的—轻薄的”、“温暖的—凉爽的”这类词的情感感受，与图像的平滑程度以及图像的冷暖色调最为密切，图像平滑且冷色调的图像给人以轻薄的、凉爽的感觉；如图8－4中（a）、（b）、（c）图所示；图像粗糙且暖色调则给人以厚重的、温暖的感觉，如图8－4中（d）、（e）、（f）图所示。

pagenumber_ebook=88,pagenumber_book=78

图8－4　面料图像样本的灰度共生矩阵

图像的平滑与粗糙程度可以用图像的纹理特征去表示。灰度共生矩阵法（Gray－level Co－occurrence Matrix，GLCM）是一种通过研究灰度的空间相关特性来描述纹理的方法，是目前最常见、应用最广泛、效果最好的一种纹理统计分析方法［9，10］。灰度共生矩阵能反映出图像灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图像的局部模式和它们排列规则的基础。它反映了图像中任意两点灰度的相关性，根据它可进行纹理特征的抽取及分析。

假设图像灰度共生矩阵为G（i，j），元素（i，j）的值表示了在图像中其中一个像素的灰度值为i，另一个像素的灰度值为j，并且相邻距离为d，方向为A的这样两个像素出现的次数。根据方向A的不同可以为四种情况：

（1）水平相邻。

（2）垂直相邻。

（3）西北一东南方向相邻45°。

（4）东北一西南方向相邻135°。

不同的图像由于纹理尺度的不同其灰度共生矩阵会有很大差别。对于粗纹理图像，纹理尺度大，灰度较平滑，其像素趋于具有相同的亮度，所以共生矩阵的G（i，j）值较集中于对角线附近。而对于细纹理图像，纹理尺度较小，灰度值分布不集中，其共生矩阵中的G（i，j）值分散在各处。由此可见，共生矩阵可以反映不同灰度像素相对位置的空间信息。为了能更直观地以共生矩阵描述纹理状况，从共生矩阵导出一些反映矩阵状况的参数，典型的有以下几种：

（1）能量（ASM）：是灰度共生矩阵元素值的平方和，所以也称能量，反映了图像灰度分布均匀程度和纹理粗细度。如果共生矩阵的所有值均相等，则ASM值小；相反，如果其中一些值大而其他值小，则ASM值大。当共生矩阵中元素集中分布时，此时ASM值大。ASM值大表明一种较均一和规则变化的纹理模式。ASM的计算公式如下：

pagenumber_ebook=89,pagenumber_book=79

（2）对比度（CON）：反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的像素对越多，这个值越大。灰度共生矩阵中远离对角线的元素值越大，CON越大。CON的计算公式如下：

pagenumber_ebook=89,pagenumber_book=79

（3）熵（ENT）：是图像所具有信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当共生矩阵中所有元素有最大的随机性、空间共生矩阵中所有值几乎相等、共生矩阵中元素分散分布时，熵较大。它表示了图像中纹理的非均匀程度或复杂程度。ENT的计算公式如下：

pagenumber_ebook=89,pagenumber_book=79

另外，图8－4中（a）、（b）、（c）都是蓝色、灰白等淡色调，图8－4中（d）、（e）、（f）都是黄色、深红色等暖色调。也就是说因子3与色彩的冷暖度也有关系，所以还采用图像的平均冷色调和平均暖色调来对图8－4中的图像进行定量分析。

按照上述特征对图8－4中（a）～（f）图的参数进行计算，得到的数值见表8－4。

从表8－4中的数据可以看出，图8－4中（a）、（b）、（c）的CON、ENT都较大，说明它们比图（d）、（e）、（f）更平滑清晰，而图（d）、（e）、（f）的ASM较大，说明它们比图（a）、（b）、（c）更加均一，分析的结果与上述分析的结论差不多一致。另外，图（a）、（b）、（c）的平均色调较大，大概范围在200～300之间，落在冷色调的范围之中，而图（d）、（e）、（f）的平均色调较小，大概范围在0～150之间，落在暖色调的范围之中，因此也与上述的分析保持一致。

表8－4　图8－4中的图像共生矩阵参数和平均色调值

pagenumber_ebook=90,pagenumber_book=80

综上所述，从定性和定量分析的角度都可以看出这些特征与因子3的相关程度较高。因此，我们利用GLCM对图像进行纹理分析，然后求ASM、CON、ENT，再计算出图像的平均色调，一共四维特征来表征因子3。

第7章建立了面料图像情感因子空间，该空间共有三个因子，“高雅的—朴素的”、“华丽的—简约的”与第一个因子关系密切；“丰富的—纯净的”、“强烈的—柔和的”与第二个因子相关程度高，第二个因子主要解释了这两对语义；“厚重的—飘逸的”、“温暖的—凉爽的”则主要与第三个因子相关。

通过本章的分析，第一个因子可以用七维特征（六维的饱和度—冷暖模糊直方图加一维的图像对比度）来表征；第二个因子可以用257维特征（256维的灰度图加一维的彩色对比度）来表征；第三个因子可以用四维特征（三维的灰度矩阵参数加一维的平均色调值）来表征。至此，本文对服装面料的图像情感因子与低层特征之间的关系进行了较为详细的分析，为下一步探索利用这些图像特征进行面料图像情感语义的识别和检索打下基础。

第三因子特征分析结果

相关推荐