[發明專利]用于光學紋理圖像和SAR圖像的自適應特征提取方法

無效

• 申請號: 201210134551.8
• 申請日: 2012-05-03
• 公開（公告）號: CN102663436A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 何楚;許連玉;廖紫纖;石博
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 薛玲

技術領域

本發明屬于圖像處理技術領域，特別涉及一種用于光學紋理圖像和SAR圖像的自適應紋理特征描述子的提取方法。

背景技術

紋理分析是紋理研究的主要內容之一，也是計算機視覺里一個重要的研究領域，有著非常廣闊的應用背景。紋理特征表征了圖像灰度或色彩內在空間的規律性變化或重復，作為場景結構和對象的描述子，對圖像識別——不同紋理的分類等起到了重要作用。紋理分析的應用領域包括遙感圖像分析(Remotely-sensed?Image?Analysis)、醫學圖像分析(Medical?Image?Analysis)、工業表面檢測(Industrial?Surface?Inspection)、文檔處理(Document?Processing)和圖像檢索等領域。

LBP(Local?Binary?Pattern局部二值模式)描述子是紋理描述的一個強有力的手段，具有灰度不變性和旋轉不變性，且計算復雜度低。它是一種點樣本估計方法，通過對以某個像素為中心的3×3鄰域點以該像素點的值為閾值求該像素的標號，再將標號以2的冪為權重求加權和作為該像素的標號，最后求得標號直方圖作為圖像的紋理描述子。近年來，LBP特征因其簡單和實用等優點在紋理和人臉識別等研究領域得到了越來越廣泛的關注。目前已提出了許多LBP的優化算法，包括CSLBP(中心對稱LBP)，ILBP(改進LBP)，ELBP(擴展LBP)以及BLBP(貝葉斯LBP)。這些紋理描述子在各種應用中都得到了很大成功。也有一些對LBP進行許多優化處理的工作，如利用PCA(主成分分析法)、LDA(線性判別法)等對SIFT(尺度不變特征變換)或SURF(快速魯棒特征)等原始描述子進行降維處理，或者改變選取關鍵點的方式，如Michael在近期提出的BRIEF(魯棒獨立二進制特征)，它對關鍵點的選取進行隨機采樣，將圖像塊表示為二進制比特串的特征描述子，加快計算速度的同時減少了存儲空間。

但是，普通LBP特征及其相關擴展特征采樣固定性不足，在用于光學紋理圖像和SAR圖像(合成孔徑雷達獲取的遙感影像)分類時效果尚不理想。

發明內容

本發明目的在于解決普通LBP特征及其相關擴展特征采樣固定性的不足，提出了用于光學紋理圖像和SAR圖像分類的自適應紋理特征描述子，對這兩類數據集有較好的分類效果。

本發明的技術方案為一種用于光學紋理圖像和SAR圖像的自適應特征提取方法，包括以下步驟：

步驟1，利用訓練集中的部分訓練圖像學習采樣分布，得到采樣位置矩陣G；學習采樣分布的實現包括以下步驟：

a)設訓練集中包括M幅訓練圖像Tk，k的取值為1，2，...M，訓練圖像Tk的大小為N×N；對像素p_r進行采樣時，以像素p_r為中心點的圖像塊P_r大小為s×s，r的取值為1，2，...(N-s+1)×(N-s+1)，圖像塊P_r內共有s²個點，以中心點p_r為起點，按照從內到外、從上到下的順時針螺旋方式標號為0，1，2，...，2m，m＝(s×s-1)/2；設k＝1；設r＝1，初始的采樣分布為標準的高斯分布Gaussian(0，1)，設初始的采樣分布為當前的采樣分布，將采樣分布的原始范圍[-m，m]記作[0，2m]；

b)將當前的采樣分布的零點對應訓練圖像Tk的圖像塊P_r的中心點，離采樣分布中零點近的點對應訓練圖像Tk的圖像塊P_r內離中心點近的點；

c)在當前的采樣分布的范圍[0，2m]內2m+1個點中，隨機采樣出n個點[l₁，l₂，...，l_n]，對應地采樣訓練圖像Tk的圖像塊P_r中標號為[l₁，l₂，...，l_n]的n個點作為第k次采樣所得的關鍵點，將標號l₁，l₂，...，l_n保存到采樣位置矩陣G的第r行；

d)求步驟c所得關鍵點的像素值分別與圖像塊P_r中心點的像素值之間差值的絕對值，并按從小到大的順序排列，將絕對值小的關鍵點在當前的采樣分布中的縱坐標點數增加，將絕對值大的關鍵點在當前的采樣分布中的縱坐標點數減少，增加的縱坐標總點數和減少的縱坐標總點數相等，形成一個新的采樣分布；