一種全局與局部特征相結(jié)合的紋理特征描述方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種紋理特征描述方法。特別是設(shè)及一種全局與局部特征相結(jié)合的紋 理特征描述方法。
【背景技術(shù)】
[0002] 圖像的視覺表示技術(shù)是多媒體分析、機(jī)器視覺等領(lǐng)域的研究基礎(chǔ)，而紋理是其中 重要的一類特征。它包含了圖像的表面信息及與其周圍環(huán)境的關(guān)系，反映了圖像的宏觀 信息與微觀結(jié)構(gòu)，是圖像分析的重要手段。T.Ojala等人于1996年提出了局部二值模式 (Local Binary化ttern，LB巧特征，它是一種重要的具有代表性的局部算子，并廣泛應(yīng)用 于紋理分類。該特征通過比較鄰域像素和中屯、像素灰度值的差異性，生成代表圖像局部特 征的二進(jìn)制編碼，是一種能夠簡(jiǎn)單，有效的描述圖像局部模式的特征。因此，W LBP算法為 代表的一類局部算子方法得到越來越多的關(guān)注，并廣泛應(yīng)用于人臉識(shí)別、物體跟蹤、指紋識(shí) 另IJ、紋理分類等領(lǐng)域。
[000引 由于LBP的簡(jiǎn)單有效性，學(xué)者們對(duì)其進(jìn)行了一系列研究，提出了多種LBP的改進(jìn) 算法。例如，為了降低LBP的維度同時(shí)提高其有效性，T. Ojala等人對(duì)LBP中0/1的變化 次數(shù)進(jìn)行統(tǒng)計(jì)，提出了統(tǒng)一局部二值模式特征化niform Local Binary化ttern，ULB巧特 征；為進(jìn)一步解決特征的旋轉(zhuǎn)不變性問題，將ULBP與旋轉(zhuǎn)不變的局部二值模式（Rotation Invariant LBP，RILBP特征）相結(jié)合，形成了旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征心巧:;2。該 特征不僅具有旋轉(zhuǎn)不變性，而且在很大程度上提高了 LBP特征的效率和性能。2010年，郭 振華等人提出完整的局部二值模式（Completed Local Binary Pattern,化BF0特征，在原 始LBP的基礎(chǔ)上添加了中屯、像素的灰度值信息和鄰域元素與中屯、元素灰度值的差值信息， 增強(qiáng)了特征的判決能力，同時(shí)也使其分類準(zhǔn)確度得到很大程度的提升。此外，還有許多典型 的LBP的改進(jìn)算法，例如局部S值模式（Local Ternary化ttern, LT巧特征，主導(dǎo)的局部二 值模式值ominant Local Binary Pattern, DLBF0 特征，等等。
[0004] 由于特征可W分為全局特征和局部特征兩類，其中，全局特征是指根據(jù)圖像全局 信息提取的特征，如全局灰度統(tǒng)計(jì)、基于全局區(qū)域形狀的幾何矩等；局部特征是指根據(jù)圖像 的局部信息提取的特征，如局部顏色特征、局部紋理特征、目標(biāo)輪廓特征等。然而，上述提取 的特征大都是局部特征，丟失了圖像的空間分布信息，很難全面有效的描述圖像信息。LBP 算法雖然對(duì)紋理圖像分類較為有效，但其僅包含圖像的局部信息，很難全面有效的描述圖 像信息。因此，可W通過在局部LBP特征的基礎(chǔ)上引入全局特征來進(jìn)一步提升特征的分類 性能。
[000引 目前已經(jīng)有幾種將LBP特征與全局特征相結(jié)合的方法。例如LBPV^^GMcs (LBP Variance with Global Matching Scheme)特征、DSN (Dominant Neighborhood Struc化re)+LBP特征等。其中LBPVU2gMes特征通將全局的旋轉(zhuǎn)不變匹配計(jì)劃與局部變化的 LBPV(LBP Variance)特征相結(jié)合，提升了特征分類的準(zhǔn)確度。DS化LBP特征通過在局部LBP 特征的基礎(chǔ)上引入全局的DSN特征，能夠更加全面有效的描述圖像特征。特別地，DSN通過 生成圖像中每一像素與其固定鄰域內(nèi)元素的灰度相似性的全局圖獲得，代表了圖像主鄰域 內(nèi)結(jié)構(gòu)的相似性。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題是，提供一種既包含圖像的局部信息又包含圖像全局 空間信息，能夠更加全面、有效的描述視覺紋理特征的全局與局部特征相結(jié)合的紋理特征 描述方法。
[0007] 本發(fā)明所采用的技術(shù)方案是：一種全局與局部特征相結(jié)合的紋理特征描述方法， 首先分別提取圖像的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征和提取圖像的灰度級(jí)特征；然后將 獲得的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征和灰度級(jí)特征進(jìn)行級(jí)聯(lián)，形成既包含圖像局部信 息又包含圖像的空間分布信息的二維直方圖，并將形成的二維直方圖轉(zhuǎn)換為一維直方圖來 表示圖像，最終形成全局與局部特征模式。
[000引所述的提取圖像的灰度級(jí)特征是對(duì)圖像的灰度直方圖進(jìn)行分析，是通過多闊值分 析的方法將圖像的灰度值劃分成不同的等級(jí)，獲取圖像的全局特征。
[0009] 在灰度分布密集的地方，選取多個(gè)闊值，在灰度分布稀疏的地方，選取少數(shù)的闊 值。
[0010] 綜合考慮特征的分類性能與維度大小，設(shè)定選取總闊值的個(gè)數(shù)為4?10。
[0011] 一種全局與局部特征相結(jié)合的紋理特征描述方法，首先提取圖像的統(tǒng)一局部二值 模式扣niform LBP，ULB巧特征或完整局部二值模式特征或DLBP特征，W及提取圖像的灰 度級(jí)特征；然后將獲得的統(tǒng)一局部二值模式特征或完整局部二值模式特征或DLBP特征與 灰度級(jí)特征進(jìn)行級(jí)聯(lián)，形成既包含圖像局部信息又包含圖像的空間分布信息的二維直方 圖，并將形成的二維直方圖轉(zhuǎn)換為一維直方圖來表示圖像，最終形成全局與局部特征模式。
[0012] 所述的提取圖像的灰度級(jí)特征是對(duì)圖像的灰度直方圖進(jìn)行分析，是通過多闊值分 析的方法將圖像的灰度值劃分成不同的等級(jí)，獲取圖像的全局特征。
[0013] 在灰度分布密集的地方，選取多個(gè)闊值，在灰度分布稀疏的地方，選取少數(shù)的闊 值。
[0014] 綜合考慮特征的分類性能與維度大小，設(shè)定選取總闊值的個(gè)數(shù)為4?10。
[0015] 本發(fā)明的一種全局與局部特征相結(jié)合的紋理特征描述方法，能夠更加全面、有效 的描述圖像。具有如下效果：
[0016] (1)新穎性：首次將圖像的灰度直方圖特征引入到LBP特征中，通過多闊值分析的 方法將圖像的灰度直方圖劃分成不同的等級(jí)，形成了既包含圖像局部信息又包含圖像的全 局信息的新特征。
[0017] 似有效性述過實(shí)驗(yàn)證明了與原始的LBP W及其他LBP改進(jìn)算法相比較，本發(fā)明 分類性能有明顯的提高。本發(fā)明還與其他的全局與局部相結(jié)合的LBP改進(jìn)算法進(jìn)行了比 較，也證明了算法的有效性。
[0018] (3)多尺度；可通過采用不同的采樣半徑，形成不同尺度下的GLBP特征，并將不同 尺度下的GLBP特征級(jí)聯(lián)，形成多尺度下的GLBP特征。
[0019] (4)實(shí)用性：簡(jiǎn)單可行，可用于常見的多媒體分析、機(jī)器視覺等領(lǐng)域，如圖像分類、 人臉識(shí)別、目標(biāo)識(shí)別等。
【附圖說明】
[0020] 圖1是全局與局部特征相結(jié)合的紋理特征描述方法的流程圖；
[0021] 圖2a是一種紋理圖像圖；
[0022] 圖化是圖2a所示紋理圖像的灰度直方圖；
[0023] 圖2c是另一種紋理圖像圖；
[0024] 圖2d是圖2c所示紋理圖像的灰度直方圖；
[0025] 圖3是本發(fā)明的一種全局與局部特征相結(jié)合的紋理特征描述方法的應(yīng)用實(shí)例流 程圖。
【具體實(shí)施方式】
[0026] 下面結(jié)合實(shí)施例和附圖對(duì)本發(fā)明的一種全局與局部特征相結(jié)合的紋理特征描述 方法做出詳細(xì)說明。
[0027] 本發(fā)明將局部的LBP特征與圖像的全局灰度直方圖特征相結(jié)合提出了的一種全 局與局部特征相結(jié)合的紋理特征描述方法。該特征既包含圖像局部信息又包含圖像的空間 分布信息，能夠更加全面、有效的描述圖像。目P，本發(fā)明在LBP算法的基礎(chǔ)上，引入包含圖像 全局特征的灰度直方圖，并結(jié)合多闊值分析的方法，形成了既包含圖像局部信息又包含圖 像的全局信息的新特征，大大提高了紋理圖像分類的性能。
[002引如圖1所示，本發(fā)明的一種全局與局部特征相結(jié)合的紋理特征描述方法，首先分 別提取圖像的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式（LBpdu2)特征和提取圖像的灰度級(jí)特征；然 后將獲得的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征和灰度級(jí)特征進(jìn)行級(jí)聯(lián)，形成既包含圖像局 部信息又包含圖像的空間分布信息的二維直方圖，并將形成的二維直方圖轉(zhuǎn)換為一維直方 圖來表示圖像，最終形成全局與局部特征模式（Global and Local Binary Pattern),簡(jiǎn)稱 GLBP特征。
[0029] 所述的提取旋轉(zhuǎn)不變的統(tǒng)一局部二值模式（LBpd氣特征是：
[0030] 首先提取圖像的LBP特征，即通過比較鄰域內(nèi)像素點(diǎn)與中屯、像素點(diǎn)灰度值的差異 性，生成能夠表示圖像局部特征的二進(jìn)制編碼。其計(jì)算公式如下：
[0031]
【主權(quán)項(xiàng)】
1. 一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在于，首先分別提取圖像 的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征和提取圖像的灰度級(jí)特征；然后將獲得的旋轉(zhuǎn)不變的 統(tǒng)一局部二值模式特征和灰度級(jí)特征進(jìn)行級(jí)聯(lián)，形成既包含圖像局部信息又包含圖像的空 間分布信息的二維直方圖，并將形成的二維直方圖轉(zhuǎn)換為一維直方圖來表示圖像，最終形 成全局與局部特征模式。
2. 根據(jù)權(quán)利要求1所述的一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在 于，所述的提取圖像的灰度級(jí)特征是對(duì)圖像的灰度直方圖進(jìn)行分析，是通過多閾值分析的 方法將圖像的灰度值劃分成不同的等級(jí)，獲取圖像的全局特征。
3. 根據(jù)權(quán)利要求2所述的一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在 于，在灰度分布密集的地方，選取多個(gè)閾值，在灰度分布稀疏的地方，選取少數(shù)的閾值。
4. 根據(jù)權(quán)利要求2所述的一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在 于，綜合考慮特征的分類性能與維度大小，設(shè)定選取總閾值的個(gè)數(shù)為4?10。
5. -種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在于，首先提取圖像的統(tǒng) 一局部二值模式特征或完整局部二值模式特征或DLBP特征，以及提取圖像的灰度級(jí)特征； 然后將獲得的統(tǒng)一局部二值模式特征或完整局部二值模式特征或DLBP特征與灰度級(jí)特征 進(jìn)行級(jí)聯(lián)，形成既包含圖像局部信息又包含圖像的空間分布信息的二維直方圖，并將形成 的二維直方圖轉(zhuǎn)換為一維直方圖來表示圖像，最終形成全局與局部特征模式。
6. 根據(jù)權(quán)利要求5所述的一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在 于，所述的提取圖像的灰度級(jí)特征是對(duì)圖像的灰度直方圖進(jìn)行分析，是通過多閾值分析的 方法將圖像的灰度值劃分成不同的等級(jí)，獲取圖像的全局特征。
7. 根據(jù)權(quán)利要求6所述的一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在 于，在灰度分布密集的地方，選取多個(gè)閾值，在灰度分布稀疏的地方，選取少數(shù)的閾值。
8. 根據(jù)權(quán)利要求6所述的一種全局與局部特征相結(jié)合的紋理特征描述方法，其特征在 于，綜合考慮特征的分類性能與維度大小，設(shè)定選取總閾值的個(gè)數(shù)為4?10。
【專利摘要】一種全局與局部特征相結(jié)合的紋理特征描述方法，首先分別提取圖像的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征或統(tǒng)一局部二值模式(Uniform LBP,ULBP)特征或完整局部二值模式特征或DLBP特征，以及提取圖像的灰度級(jí)特征；然后將獲得的旋轉(zhuǎn)不變的統(tǒng)一局部二值模式特征和灰度級(jí)特征進(jìn)行級(jí)聯(lián)，形成既包含圖像局部信息又包含圖像的空間分布信息的二維直方圖，并將形成的二維直方圖轉(zhuǎn)換為一維直方圖來表示圖像，最終形成全局與局部特征模式。本發(fā)明形成了既包含圖像局部信息又包含圖像的全局信息的新特征，能夠更加全面、有效的描述圖像。
【IPC分類】G06K9-62, G06K9-46
【公開號(hào)】CN104616016
【申請(qǐng)?zhí)枴緾N201510051933
【發(fā)明人】冀中, 聶林紅, 龐彥偉
【申請(qǐng)人】天津大學(xué)
【公開日】2015年5月13日
【申請(qǐng)日】2015年1月30日