專利名稱：基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像 紋理基元特征提取方法。
背景技術(shù)：
在計(jì)算機(jī)視覺和圖像處理中，圖像的紋理分析是一個(gè)基礎(chǔ)性的問題，然而，到目前 為止，人們卻沒有對(duì)紋理的精確定義形成統(tǒng)一的認(rèn)識(shí)，一般認(rèn)為，紋理是圖像灰度或色彩在 空間上的變化或重復(fù)。紋理圖像中灰度分布一般具有某種規(guī)律性，對(duì)于隨機(jī)紋理，它也具有 一些統(tǒng)計(jì)意義上的特征。目前人們對(duì)紋理已有下列共識(shí)a)紋理表現(xiàn)為某種局部序列性在該序列更大的區(qū)域內(nèi)不斷地重復(fù)；b)紋理存在引起視覺感知的基本構(gòu)成單元，即紋理基元；c)紋理不能處理成一個(gè)點(diǎn)過程，更多地表現(xiàn)為區(qū)域特性；d)紋理區(qū)域各個(gè)部分大致是均勻的統(tǒng)一體，各部分有大致相同的尺寸；e)紋理有強(qiáng)度、密度、方向和粗糙程度等特征?；谝陨瞎沧R(shí)，認(rèn)為紋理有兩個(gè)要素(1)紋理具有引起視覺感知的基本單元，即 紋理基元。紋理基元的形態(tài)多樣，表現(xiàn)為某些圖像色彩或者灰度模式。(2)紋理基元有一定 的排列規(guī)則，這些規(guī)則可能表現(xiàn)為某種規(guī)律性，也可能表現(xiàn)為隨機(jī)性(參見文獻(xiàn)1)。紋理分析是紋理研究的主要內(nèi)容之一，也是機(jī)器視覺里一個(gè)重要的研究領(lǐng)域， 有著非常廣闊的應(yīng)用背景，其應(yīng)用領(lǐng)域包括圖像處理(Image Processing)、人工智能 (ArtificialIntelligence)(Remotely-sensed Image Analysis) >E^S 像分析(Medical ImageAnalysis)、工業(yè)表面檢測(cè)(Industrial Surface Inspection)、文 檔處理(Document Processing)等領(lǐng)域。紋理分析的一個(gè)核心問題是紋理描述(Texture Description)，在模式識(shí)別領(lǐng)域 即為紋理特征提取(Texture Feature Extraction)。目前已經(jīng)有許多紋理特征提取方法。 Tuceryan和Jain將這些方法大致歸為四大類結(jié)構(gòu)分析方法、統(tǒng)計(jì)分析方法、模型化分析 方法以及信號(hào)處理方法。其中統(tǒng)計(jì)分析方法和信號(hào)處理方法在紋理分析中擔(dān)任著非常重要 的角色。 紋理分析在國(guó)內(nèi)的研究主要在于某一種方法的具體應(yīng)用。對(duì)于統(tǒng)計(jì)的方法，共生 矩陣法比較常用。基于模型的方法里，分形方法應(yīng)用比較多，大多采用Fractal Brown函 數(shù)，也有對(duì)分形方法進(jìn)行改進(jìn)的；馬爾可夫隨機(jī)場(chǎng)(MRF)的應(yīng)用也有一些，主要困難在于參 數(shù)的確定。在數(shù)學(xué)變換的方法里，常見的是基于小波變換的方法。國(guó)外主要是對(duì)幾種紋理 分析方法提取的紋理特征結(jié)合常規(guī)分類方法，對(duì)不同的圖像進(jìn)行分類比較。
早期的紋理分析使用統(tǒng)計(jì)或結(jié)構(gòu)的方法提取特征。最近的主要進(jìn)展是使用多分辨 率(例如Gabor變換)及多通道(幾個(gè)波段結(jié)合分析紋理特征)的紋理特征描述。過去對(duì) 紋理分析缺乏對(duì)不同尺度的紋理有效分析，這里的不同尺度是指同一幅圖像，在不同尺度 上進(jìn)行紋理分析。這樣可以獲得同一區(qū)域的不同紋理特征，增加了信息量，最終可以提高分類的精度?；跒V波的紋理描述可以分為兩種方法濾波后橫向拼接成直方圖，如GIST方法 (參見文獻(xiàn)2)、濾波后縱向串成一個(gè)向量，再進(jìn)行統(tǒng)計(jì)，稱為紋理基元方法(參考文獻(xiàn)3)、紋 理基元是指自然圖像中基本的微觀結(jié)構(gòu)，它是視覺感知初始階段(預(yù)注意階段)的基本元 素。紋理基元的研究是是利用稀疏編碼(sparse coding)的思想試圖從自然圖像中學(xué)習(xí)超 完備的圖像基底紋理基元s，再用紋理基元來表達(dá)紋理圖像。不同于基于濾波、統(tǒng)計(jì)及結(jié)構(gòu)等紋理描述方法對(duì)圖像經(jīng)過濾波或者某種變換結(jié)果 進(jìn)行描述，本發(fā)明在圖像拓?fù)錁浔磉_(dá)的基礎(chǔ)上直接對(duì)紋理基于進(jìn)行描述，這樣可以避免間 接描述過程中紋理信息的損失，從而更加有效、全面得到紋理特征描述。文獻(xiàn)1 劉曉民，紋理研究綜述.計(jì)算機(jī)應(yīng)用研究，2008，Vol. 25，No. 8文獻(xiàn) 1 :Aude 01iva，“Gist of the Scene", Neurobiology of Attention 2005文獻(xiàn)3 :Manik Varma,Andrew Zisserman,“A Statistical Approach to Texture Classificationfrom Single Images，，，Kluwer Academic Publishers. Printed in the Netherlands,200
發(fā)明內(nèi)容
針對(duì)上述存在的技術(shù)問題，本發(fā)明的目的是提供一種基于拓?fù)錁涞木植啃螤钅Ｊ?的圖像紋理基元特征提取方法，以高效地提取紋理圖像的特征。為達(dá)到上述目的，本發(fā)明采用如下的技術(shù)方案①根據(jù)像素灰度值對(duì)圖像進(jìn)行水平集分層；②在水平集基礎(chǔ)上構(gòu)建拓?fù)錁浣Y(jié)構(gòu)；③構(gòu)建編碼同心圓模板；④選取拓?fù)錁浣Y(jié)構(gòu)中全部節(jié)點(diǎn)或者部分節(jié)點(diǎn)進(jìn)行后續(xù)的編碼，其中部分節(jié)點(diǎn)可以 是包含圖像像素的最小形狀節(jié)點(diǎn)；⑤編碼時(shí)，將節(jié)點(diǎn)形狀縮放到于同心圓模板大小相當(dāng)，當(dāng)節(jié)點(diǎn)形狀的重心與同心 圓圓心重合的時(shí)候，形狀與半徑最大的同心圓邊界相切；⑥編碼時(shí)，將縮放后的節(jié)點(diǎn)形狀與同心圓模板重疊，使節(jié)點(diǎn)形狀重心與同心圓圓 心重合，根據(jù)節(jié)點(diǎn)形狀與每個(gè)扇區(qū)的重疊關(guān)系進(jìn)行二進(jìn)制編碼；⑦將每個(gè)節(jié)點(diǎn)形狀在每個(gè)圓的所有個(gè)扇區(qū)的編碼值統(tǒng)計(jì)一個(gè)頻數(shù)直方圖，再將個(gè) 圓的頻率直方圖拼接，得到每個(gè)形狀的紋理特征描述；⑧將圖像拓?fù)錁渲兴袇⑴c編碼的形狀的紋理特征描述相加，得到最后圖像的紋 理特征。步驟①中的所述水平集分層包括高水平集分層和低水平集分層；所述高水平集分層為將圖像根據(jù)像素灰度值v > V(l為0，v < V(l為1的規(guī)則轉(zhuǎn)換 為一組二值圖像，其中vQ = 0，1，…，V_ ；v為圖像像素的灰度值，滿足0彡v彡V-，最大 值為V_，對(duì)于一般的光學(xué)圖像V_ = 255 ；所述低水平集分層為使用圖像像素灰度值v < V(l為0，v > V(l為1的規(guī)則將圖像 轉(zhuǎn)換為一組二值圖像，其中VQ = v_，…1，0。將水平集中每層為1的形狀S提取出來；
6
分別在高水平集和低水平集中，根據(jù)形狀S在上下層中包含或被包含的關(guān)系建立 連接樹；以低水平集的連接樹為主構(gòu)建圖像的拓?fù)錁浣Y(jié)構(gòu)；補(bǔ)齊低水平集連接樹中的空洞節(jié)點(diǎn)后，低水平集連接樹就變成圖像的拓?fù)錁?。步驟⑥中所述的二進(jìn)制編碼、步驟⑦中所述的頻數(shù)直方圖的統(tǒng)計(jì)分為輪廓編碼，硬直方圖統(tǒng)計(jì)；輪廓編碼，軟直方圖統(tǒng)計(jì)；區(qū)域編碼，硬直方圖統(tǒng)計(jì)；區(qū) 域編碼，軟直方圖統(tǒng)計(jì)。提取拓?fù)錁涔?jié)點(diǎn)形狀的邊界輪廓，與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的輪廓落在第n個(gè)同心圓的第m個(gè)扇區(qū)f.內(nèi)時(shí)標(biāo)記為1，否則為0 ；其 中，n為同心圓的序號(hào)，滿足1彡n彡N，N為同心圓格個(gè)數(shù)，N彡1 ；m為扇形區(qū)域的序號(hào)，滿 足1彡m彡M，M為每個(gè)同心圓中扇形區(qū)域的個(gè)數(shù)，M彡2 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行0、1標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo) 記轉(zhuǎn)換為十進(jìn)制數(shù)值；將拓?fù)錁渲兴袇⑴c編碼的形狀節(jié)點(diǎn)的編碼值統(tǒng)計(jì)頻數(shù)直方圖，得到最后的紋理 特征直方圖。提取拓?fù)錁涔?jié)點(diǎn)形狀的邊界輪廓，與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的輪廓落在第n個(gè)同心圓的第m個(gè)扇區(qū)f^內(nèi)的長(zhǎng)度為1時(shí)，該扇區(qū)標(biāo) 記為P = 1/L，其中L為節(jié)點(diǎn)形狀輪廓的周長(zhǎng)，若扇區(qū)內(nèi)沒有節(jié)點(diǎn)形狀的輪廓，則標(biāo)記為0 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo)記進(jìn) 行一次軟直方圖統(tǒng)計(jì) 其中bm⑴表示i的二進(jìn)制表達(dá)中第m位的值(為0或1)。并將N個(gè)同心圓的軟 直方圖拼接；h = {h” h2,…，hn, ...hN}其中人
，最后將拓?fù)錁渲兴袇⑴c編碼的形狀的軟直方 圖累加H = ∑hH即為最后圖像的紋理特征直方圖。提取拓?fù)錁涔?jié)點(diǎn)形狀包含的區(qū)域與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的區(qū)域落在第n個(gè)同心圓的第m個(gè)扇區(qū)L內(nèi)時(shí)標(biāo)記為1，否則為0 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行0、1標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo) 記轉(zhuǎn)換為十進(jìn)制數(shù)值；將拓?fù)錁渲兴袇⑴c編碼的形狀節(jié)點(diǎn)的編碼值統(tǒng)計(jì)頻數(shù)直方圖，得到最后的紋理 特征直方圖。提取拓?fù)錁涔?jié)點(diǎn)形狀包含的區(qū)域與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的區(qū)域落在第n個(gè)同心圓的第m個(gè)扇區(qū)fM內(nèi)時(shí)標(biāo)記為PM = Snm' / s ，其中sj為落在扇區(qū)f 內(nèi)形狀區(qū)域的面積，Snm為扇區(qū)的面積，否則標(biāo)記為0 ；
以此類推將模板同心圓的所有扇區(qū)進(jìn)行標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo)記進(jìn) 行一次軟直方圖統(tǒng)計(jì) 其中bm⑴表示i的二進(jìn)制表達(dá)中第m位的值(為0或1)。并將N個(gè)同心圓的軟 直方圖拼接h = {h” h2,…，hn, ...hN}其中:h =i{h ()’h l,."himr_.h< i)\，最后將拓?fù)錁渲兴袇⑴c編碼的形狀的軟直方
圖累加即得到最后圖像紋理特征直方圖 本發(fā)明具有以下優(yōu)點(diǎn)和積極效果1)通過對(duì)紋理基元直接進(jìn)行編碼描述，不同于以往紋理描述基于對(duì)圖像的某種濾 波或變換結(jié)果進(jìn)行描述，可以避免紋理信息在濾波或變換過程中丟失，更加全面完整地對(duì) 圖像紋理進(jìn)行描述；2)能夠?qū)D像尺度變化、仿射變化以及旋轉(zhuǎn)變化有較好的穩(wěn)健性，可以提高基于 紋理基元特征的檢索、分類、分割等圖像處理應(yīng)用的準(zhǔn)確率。


圖1是本發(fā)明的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法的流 程圖。圖2是本發(fā)明中獲得圖像拓?fù)錁浔磉_(dá)的示意圖。圖3是本發(fā)明中構(gòu)建編碼模板圓的示意圖。圖4A是本發(fā)明中輪廓編碼硬直方圖統(tǒng)計(jì)示意圖。圖4B是本發(fā)明中輪廓編碼軟直方圖統(tǒng)計(jì)示意圖。圖4C是本發(fā)明中區(qū)域編碼硬直方圖統(tǒng)計(jì)示意圖。圖4D是本發(fā)明中區(qū)域編碼軟直方圖統(tǒng)計(jì)示意圖。
具體實(shí)施例方式本發(fā)明提出的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法，具體包 括以下步驟，下面結(jié)合附圖1詳細(xì)描述每個(gè)步驟步驟1、根據(jù)像素灰度值v對(duì)圖像I進(jìn)行水平集(Level Set)分層高水平集(Upper Level Set)，將圖像根據(jù)像素灰度值v彡vQ為0，v < vQ為1的規(guī) 則轉(zhuǎn)換為一組二值圖像，其中vQ = 0，1，…，；v為圖像像素的灰度值，滿足0 < v < V_， 最大值為V_，對(duì)于一般的光學(xué)圖像V_ = 255 ；同理，低水平集(Lower Level Set)分層是使用圖像像素灰度值v彡vQ為0，v > V0為1的規(guī)則將圖像轉(zhuǎn)換為一組二值圖像，其中= Vfflax,…1，0 ；對(duì)于一般的圖像，V_為 255，最后低水平集和高水平集的二值拓?fù)鋱D像各有V_+l層。步驟2、在水平集基礎(chǔ)上構(gòu)建拓?fù)錁浣Y(jié)構(gòu)T
8
水平集中每層根據(jù)灰度閾值定義為L(zhǎng)v，將每層中為1的區(qū)域的外輪廓形狀S提取 出來，作為拓?fù)錁渲械娜~子節(jié)點(diǎn)，同時(shí)根據(jù)在圖像中的位置關(guān)系，與上、下水平集層中的形 狀組成包含或被包含的關(guān)系，在樹結(jié)構(gòu)中體現(xiàn)為父子節(jié)點(diǎn)關(guān)系，參見圖2構(gòu)建圖像拓?fù)錁?表達(dá)，其中的數(shù)字0、1、2表示圖像的灰度值，可分為以下幾個(gè)步驟①水平集中每層為1的形狀S提取出來，例如參考圖2中的形狀A(yù) G (圖中格型 區(qū)域分別表示對(duì)應(yīng)的形狀A(yù) G)；②分別在高水平集和低水平集中根據(jù)形狀S在上下層中包含于被包含的關(guān)系建 立連接樹。例如圖2中，高水平集分層形狀A(yù)包含形狀B，B包含C和D，得到的連接樹是節(jié) 點(diǎn)A是節(jié)點(diǎn)B的父節(jié)點(diǎn)，同時(shí)，節(jié)點(diǎn)C、D是節(jié)點(diǎn)B的子節(jié)點(diǎn)；同理，低水平集中有節(jié)點(diǎn)F為節(jié) 點(diǎn)E的子節(jié)點(diǎn)又為節(jié)點(diǎn)G的父節(jié)點(diǎn)。③以低水平集的連接樹為主構(gòu)建圖像的拓?fù)錁浣Y(jié)構(gòu)。首先將低水平集連接樹種所 有節(jié)點(diǎn)中的空洞用高水平集連接樹對(duì)應(yīng)的節(jié)點(diǎn)補(bǔ)齊；其次將補(bǔ)齊節(jié)點(diǎn)的子孫節(jié)點(diǎn)從高水平 集連接樹移植到低水平集連接樹中；④補(bǔ)齊低水平集連接樹中的空洞節(jié)點(diǎn)后，低水平集連接樹就變成圖像的拓?fù)錁洹?例如圖2中最后的拓?fù)錁涔?jié)點(diǎn)E是F、D合并節(jié)點(diǎn)的父節(jié)點(diǎn)，同時(shí)D、G節(jié)點(diǎn)又為F、D合并節(jié) 點(diǎn)的子節(jié)點(diǎn)。步驟3、構(gòu)建編碼同心圓模板如圖3所示為構(gòu)建編碼模板圓的示意圖。如圖3(a)所示，設(shè)定一組半徑為rn，{r: <1~2<丨<1^}的同心圓，將同心圓按照角度e等分為若干扇形區(qū)域，第n個(gè)同心圓的第 m個(gè)扇區(qū)定義為區(qū)域f^;圖3(b)所示的是由兩個(gè)圓構(gòu)成的同心圓，其中e =45°，同心圓被等分為8個(gè)扇區(qū)。步驟4、選取拓?fù)錁浣Y(jié)構(gòu)中全部節(jié)點(diǎn)或者部分節(jié)點(diǎn)進(jìn)行后續(xù)的編碼，其中部分節(jié)點(diǎn) 可以是包含圖像像素的最小形狀節(jié)點(diǎn)。步驟5、編碼時(shí)，首先將節(jié)點(diǎn)形狀縮放到于同心圓模板大小相當(dāng)，即當(dāng)節(jié)點(diǎn)形狀的 重心與同心圓圓心重合的時(shí)候，形狀與半徑最大的同心圓邊界相切。步驟6、編碼時(shí)，將縮放后的節(jié)點(diǎn)形狀與同心圓模板重疊，使節(jié)點(diǎn)形狀重心與同心 圓圓心重合，根據(jù)節(jié)點(diǎn)形狀與每個(gè)扇區(qū)f 的重疊關(guān)系進(jìn)行二進(jìn)制編碼。步驟7、將每個(gè)節(jié)點(diǎn)形狀在每個(gè)圓的所有M個(gè)扇區(qū)的編碼值統(tǒng)計(jì)一個(gè)頻數(shù)直方圖， 再將N個(gè)圓的頻率直方圖拼接，即得到每個(gè)形狀的紋理特征描述。步驟8，將圖像拓?fù)錁渲兴袇⑴c編碼的形狀的紋理特征描述相加，得到最后圖像 的紋理特征，參見圖4A-4D形狀編碼及直方圖統(tǒng)計(jì)。本發(fā)明的一個(gè)實(shí)施例中，步驟6、7中二進(jìn)制編碼及頻數(shù)直方圖的統(tǒng)計(jì)有以下幾種 方式①輪廓編碼，硬直方圖統(tǒng)計(jì)，參見圖4A提取拓?fù)錁涔?jié)點(diǎn)形狀的邊界輪廓，與編碼模板圓進(jìn)行匹配，當(dāng)節(jié)點(diǎn)形狀的輪廓落 在第n個(gè)同心圓的第m個(gè)扇區(qū)fM內(nèi)時(shí)標(biāo)記為1，否則為0，以此類推將模板同心圓的所有扇 區(qū)進(jìn)行0、1標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo)記轉(zhuǎn)換為十進(jìn)制數(shù)值，例如(10101010)2 = (170) 1(|等，最后將拓?fù)錁渲兴袇⑴c編碼的形狀節(jié)點(diǎn)的編碼值統(tǒng)計(jì)頻數(shù)直方圖，得到最后
9的紋理特征直方圖；n為同心圓的序號(hào)，滿足1≤n≤N，N為同心圓格個(gè)數(shù)，N≤1 ；m為扇形區(qū)域的序 號(hào)，滿足1 < m < M，M為每個(gè)同心圓中扇形區(qū)域的個(gè)數(shù)，M彡2，n、m序號(hào)的起始位置并不重 要，只要保證對(duì)于所有編碼的形狀n、m起始位置相同即可。②輪廓編碼，軟直方圖統(tǒng)計(jì)，參見圖4B提取拓?fù)錁涔?jié)點(diǎn)形狀的邊界輪廓，與編碼模板圓進(jìn)行匹配，當(dāng)節(jié)點(diǎn)形狀的輪廓落 在第n個(gè)同心圓的第m個(gè)扇區(qū)f.內(nèi)的長(zhǎng)度為1時(shí)，該扇區(qū)標(biāo)記為PM = 1/L，其中L為節(jié)點(diǎn) 形狀輪廓的周長(zhǎng)，若扇區(qū)內(nèi)沒有節(jié)點(diǎn)形狀的輪廓，則標(biāo)記為0，以此類推將模板同心圓的所 有扇區(qū)進(jìn)行標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo)記進(jìn)行一次軟直方圖統(tǒng)計(jì) 其中bm⑴表示i的二進(jìn)制表達(dá)中第m位的值(為0或1)。并將N個(gè)同心圓的軟 直方圖拼接h = {h” h2,…，hn, ...hN}其中火.../W..// ( )j，最后將拓?fù)錁渲兴袇⑴c編碼的形狀的軟直方 圖累加 H即為最后圖像的紋理特征直方圖；③區(qū)域編碼，硬直方圖統(tǒng)計(jì)，參見圖4C提取拓?fù)錁涔?jié)點(diǎn)形狀包含的區(qū)域與編碼模板圓進(jìn)行匹配，當(dāng)節(jié)點(diǎn)形狀的區(qū)域落在 第n個(gè)同心圓的第m個(gè)扇區(qū)f.內(nèi)時(shí)標(biāo)記為1，否則為0，以此類推將模板同心圓的所有扇 區(qū)進(jìn)行0、1標(biāo)記后，將第n同心圓的M 二進(jìn)制標(biāo)記轉(zhuǎn)換為十進(jìn)制數(shù)值，例如(10101010)2 = (170) 1(|等，最后將拓?fù)錁渲兴袇⑴c編碼的形狀節(jié)點(diǎn)的編碼值統(tǒng)計(jì)頻數(shù)直方圖，得到最后 的紋理特征直方圖；④區(qū)域編碼，軟直方圖統(tǒng)計(jì)，參見圖4D提取拓?fù)錁涔?jié)點(diǎn)形狀包含的區(qū)域與編碼模板圓進(jìn)行匹配，當(dāng)節(jié)點(diǎn)形狀的區(qū)域落在 第n個(gè)同心圓的第m個(gè)扇區(qū)f.內(nèi)時(shí)標(biāo)記為PM= Snm' /Snm，其中‘'為落在扇區(qū)f 內(nèi)形 狀區(qū)域的面積，8 為扇區(qū)的面積，否則標(biāo)記為0，以此類推將模板同心圓的所有扇區(qū)進(jìn)行標(biāo) 記后，將第n同心圓的M 二進(jìn)制標(biāo)記進(jìn)行一次軟直方圖統(tǒng)計(jì)
M 其中bm⑴表示i的二進(jìn)制表達(dá)中第m位的值(為0或1)。并將N個(gè)同心圓的軟 直方圖拼接h = {h” h2,…，hn, ...hN}其中，最后將拓?fù)錁渲兴袇⑴c編碼的形狀的軟直方 圖累加即得到最后圖像紋理特征直方圖
權(quán)利要求
一種基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法，其特征在于，包括以下步驟①根據(jù)像素灰度值對(duì)圖像進(jìn)行水平集分層；②在水平集基礎(chǔ)上構(gòu)建拓?fù)錁浣Y(jié)構(gòu)；③構(gòu)建編碼同心圓模板；④選取拓?fù)錁浣Y(jié)構(gòu)中全部節(jié)點(diǎn)或者部分節(jié)點(diǎn)進(jìn)行后續(xù)的編碼，其中部分節(jié)點(diǎn)可以是包含圖像像素的最小形狀節(jié)點(diǎn)；⑤編碼前，將節(jié)點(diǎn)形狀縮放到于同心圓模板大小相當(dāng)，當(dāng)節(jié)點(diǎn)形狀的重心與同心圓圓心重合的時(shí)候，形狀與半徑最大的同心圓邊界相切；⑥編碼時(shí)，將縮放后的節(jié)點(diǎn)形狀與同心圓模板重疊，使節(jié)點(diǎn)形狀重心與同心圓圓心重合，根據(jù)節(jié)點(diǎn)形狀與每個(gè)扇區(qū)的重疊關(guān)系進(jìn)行二進(jìn)制編碼；⑦將每個(gè)節(jié)點(diǎn)形狀在每個(gè)圓的所有個(gè)扇區(qū)的編碼值統(tǒng)計(jì)一個(gè)頻數(shù)直方圖，再將個(gè)圓的頻率直方圖拼接，得到每個(gè)形狀的紋理特征描述；⑧將圖像拓?fù)錁渲兴袇⑴c編碼的形狀的紋理特征描述相加，得到最后圖像的紋理特征。
2.根據(jù)權(quán)利要求1所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法， 其特征在于步驟①中的所述水平集分層包括高水平集分層和低水平集分層； 所述高水平集分層為將圖像根據(jù)像素灰度值ν > Vtl為0，ν < Vtl為1的規(guī)則轉(zhuǎn)換為一 組二值圖像，其中ν。= 0，1，-,Vfflax ；其中，ν為圖像像素的灰度值，滿足0 < ν ^ Vmax，最大 值為Vmax，對(duì)于一般的光學(xué)圖像Vmax = 255 ；所述低水平集分層為使用圖像像素灰度值ν < ν。為0，ν > ν。為1的規(guī)則將圖像轉(zhuǎn)換 為一組二值圖像，其中ν。= Vmax，. . . 1，0。
3.根據(jù)權(quán)利要求1或2所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方 法，其特征在于，所述步驟②進(jìn)一步包括以下子步驟將水平集中每層為1的形狀S提取出來；分別在高水平集和低水平集中，根據(jù)形狀S在上下層中包含或被包含的關(guān)系建立連接樹；以低水平集的連接樹為主構(gòu)建圖像的拓?fù)錁浣Y(jié)構(gòu)；補(bǔ)齊低水平集連接樹中的空洞節(jié)點(diǎn)后，低水平集連接樹就變成圖像的拓?fù)錁洹?br> 4.根據(jù)權(quán)利要求1或2所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法，其特征在于步驟⑥中所述的二進(jìn)制編碼、步驟⑦中所述的頻數(shù)直方圖的統(tǒng)計(jì)分為 輪廓編碼，硬直方圖統(tǒng)計(jì)；輪廓編碼，軟直方圖統(tǒng)計(jì)；區(qū)域編碼，硬直方圖統(tǒng)計(jì)；區(qū)域編 碼，軟直方圖統(tǒng)計(jì)。
5.根據(jù)權(quán)利要求4所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法， 其特征在于，所述輪廓編碼，硬直方圖統(tǒng)計(jì)包括以下子步驟提取拓?fù)錁涔?jié)點(diǎn)形狀的邊界輪廓，與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的輪廓落在第η個(gè)同心圓的第m個(gè)扇區(qū)fM內(nèi)時(shí)標(biāo)記為1，否則為0，其中， η為同心圓的序號(hào)，滿足1彡η彡N，N為同心圓格個(gè)數(shù)，N彡1，m為扇形區(qū)域的序號(hào)，滿足 1彡m彡M，M為每個(gè)同心圓中扇形區(qū)域的個(gè)數(shù)，M^ 2 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行0、1標(biāo)記后，將第η同心圓的M 二進(jìn)制標(biāo)記轉(zhuǎn) 換為十進(jìn)制數(shù)值；將拓?fù)錁渲兴袇⑴c編碼的形狀節(jié)點(diǎn)的編碼值統(tǒng)計(jì)頻數(shù)直方圖，得到最后的紋理特征 直方圖。
6.根據(jù)權(quán)利要求4所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法， 其特征在于，所述輪廓編碼，軟直方圖統(tǒng)計(jì)包括以下子步驟提取拓?fù)錁涔?jié)點(diǎn)形狀的邊界輪廓，與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的輪廓落在第η個(gè)同心圓的第m個(gè)扇區(qū)f 內(nèi)的長(zhǎng)度為1時(shí)，該扇區(qū)標(biāo)記為 Pnm = 1/L，其中L為節(jié)點(diǎn)形狀輪廓的周長(zhǎng)，若扇區(qū)內(nèi)沒有節(jié)點(diǎn)形狀的輪廓，則標(biāo)記為0 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行標(biāo)記后，將第η同心圓的M 二進(jìn)制標(biāo)記進(jìn)行一 次軟直方圖統(tǒng)計(jì)Mm=0其中bm(i)表示i的二進(jìn)制表達(dá)中第m位的值(為0或1)。并將N個(gè)同心圓的軟直方 圖拼接； 其中 1，最后將拓?fù)錁渲兴袇⑴c編碼的形狀的軟直方圖累加 H為最后圖像的紋理特征直方圖。
7.根據(jù)權(quán)利要求4所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法， 其特征在于，區(qū)域編碼，硬直方圖統(tǒng)計(jì)包括以下子步驟提取拓?fù)錁涔?jié)點(diǎn)形狀包含的區(qū)域與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的區(qū)域落在第η個(gè)同心圓的第m個(gè)扇區(qū)f 內(nèi)時(shí)標(biāo)記為1，否則為0 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行0、1標(biāo)記后，將第η同心圓的M 二進(jìn)制標(biāo)記轉(zhuǎn) 換為十進(jìn)制數(shù)值；將拓?fù)錁渲兴袇⑴c編碼的形狀節(jié)點(diǎn)的編碼值統(tǒng)計(jì)頻數(shù)直方圖，得到最后的紋理特征 直方圖。
8.根據(jù)權(quán)利要求4所述的基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法， 其特征在于，區(qū)域編碼，軟直方圖統(tǒng)計(jì)包括以下子步驟提取拓?fù)錁涔?jié)點(diǎn)形狀包含的區(qū)域與編碼模板圓進(jìn)行匹配；當(dāng)節(jié)點(diǎn)形狀的區(qū)域落在第η個(gè)同心圓的第m個(gè)扇區(qū)f 內(nèi)時(shí)標(biāo)記為4 二心/^n，其中 為落在扇區(qū)f 內(nèi)形狀區(qū)域的面積，Snm為扇區(qū)的面積，否則標(biāo)記為0 ；以此類推將模板同心圓的所有扇區(qū)進(jìn)行標(biāo)記后，將第η同心圓的M 二進(jìn)制標(biāo)記進(jìn)行一 次軟直方圖統(tǒng)計(jì) 其中bm(i)表示i的二進(jìn)制表達(dá)中第m位的值(為O或1)。并將N個(gè)同心圓的軟直方 圖拼接 其中火二·}/^。,、,...^ ... ……}，最后將拓?fù)錁渲兴袇⑴c編碼的形狀的軟直方圖累 加即得到最后圖像紋理特征直方圖 H = Yji 。seT
全文摘要
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于拓?fù)錁涞木植啃螤钅Ｊ降膱D像紋理基元特征提取方法。本發(fā)明包括根據(jù)像素灰度值v對(duì)圖像I進(jìn)行水平集(Level Set)分層、構(gòu)建拓?fù)錁浣Y(jié)構(gòu)T、構(gòu)建編碼同心圓模板、將節(jié)點(diǎn)形狀縮放到于同心圓模板大小相當(dāng)、將縮放后的節(jié)點(diǎn)形狀與同心圓模板重疊，與每個(gè)扇區(qū)fnm的重疊關(guān)系進(jìn)行二進(jìn)制編碼、將每個(gè)節(jié)點(diǎn)形狀在每個(gè)圓的所有M個(gè)扇區(qū)的編碼值統(tǒng)計(jì)一個(gè)頻數(shù)直方圖，再將N個(gè)圓的頻率直方圖拼接、將圖像拓?fù)錁渲兴袇⑴c編碼的形狀的紋理特征描述相加。本發(fā)明可以避免紋理信息在濾波或變換過程中丟失，更加全面完整地對(duì)圖像紋理進(jìn)行描述，可以提高基于紋理基元特征的檢索、分類、分割等圖像處理應(yīng)用的準(zhǔn)確率。
文檔編號(hào)G06K9/52GK101853386SQ201010177899
公開日2010年10月6日 申請(qǐng)日期2010年5月14日 優(yōu)先權(quán)日2010年5月14日
發(fā)明者何楚, 蘇鑫, 魏喜燕 申請(qǐng)人:武漢大學(xué)