[發明專利]空域共生圖像表示方法及其在圖像分類、識別中的應用

有效

• 申請號: 201210590175.3
• 申請日: 2012-12-29
• 公開（公告）號: CN103902965B
• 公開（公告）日: 2017-06-16
• 發明（設計）人: 齊憲標;喬宇
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/66
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙)44316
• 代理人: 宋鷹武

【技術領域】

本發明涉及圖像處理技術領域，尤其涉及一種空域共生圖像表示方法，以及用所述圖像表示進行圖像分類和識別的方法。。

【背景技術】

對圖像的信息進行快速準確的描述一直都是圖像分類和圖像識別技術中研究的重難點。現有技術中圖像特征的提取方法大多為圍繞圖像的顏色、紋理、形狀和空間關系展開的，這些方法雖可描述圖像的局部特征，但是忽視了圖像中局部相鄰區域的相關性。在一個自然圖像中，空間上相鄰區域總是存在著很大的相關性，而這種相關性又在一定程度上反映了更復雜的圖像結構，所以如何有效地捕捉這種相關性是非常重要的。現有技術“Textural Features for Image Classification”（R.Haralick,K.Shanmugam and I.Dinstein,IEEE Trans of Systems,Man and Cybernetics,1973）提出描述空域的灰度像素值共生，將一定范圍空間內像素的相關性因素即灰度共生作為圖像的重要信息，但是由于自然圖像存在光照，旋轉，尺度等變換，該現有技術中提出的空域的灰度共生是容易受到光照變化的影響，空域的灰度共生特征由于對光照的敏感而無法作為圖像信息對圖像進行準確描述。

【發明內容】

本發明旨在解決上述現有技術中存在的問題，提出一種空域共生的圖像表示方法，包括：

對輸入圖像提取采樣點，提取采樣點局部特征；

對采樣點的局部特征進行量化索引，獲得索引值；

根據索引值統計獲得圖像空域共生特征。

進一步地，所述提取采樣點的方法為密集采樣或興趣點檢測。

進一步地，所述興趣點為DoG興趣點或Harris角點。

進一步地，所述采樣點的局部特征為像素塊值，SIFT（尺度不變的特征變換）特征、LBP（局部二值模式）特征或HOG（梯度方向直方圖）特征。

進一步地，所述根據索引值統計獲得圖像空域共生特征的具體步驟為根據兩個或多個索引在空域中同時存在的頻度或強度的統計結果獲得圖像空域共生特征。

本發明還提供了一種利用上述的圖像表示進行圖像識別的方法，包括：

對輸入圖像提取采樣點，提取采樣點局部特征；

對采樣點的局部特征進行量化索引，獲得索引值；

根據兩個或多個索引值在局部圖像區域內的共生統計量獲得圖像空域共生特征；

以圖像空域共生特征表示作為分類器輸入，根據樣本的類別屬性，用分類識別算法對不同類型樣本進行分類器訓練，得到不同類型圖像的分類器；

用不同類型圖像的分類器對待測圖像進行判別，對比不同類型圖像的分類器的判別結果，選取分類器輸出分數最大的類別作為圖像識別結果。

進一步地，所述分類器為SVM（支持向量機）分類器、KNN（最鄰近）分類器、Random Forest（隨機森林）分類器或Bayesian（貝葉斯）分類器。

進一步地，進行不同類型樣本的分類器訓練時所用分類器為SVM分類器，所述SVM分類器為線性支持向量機，將圖像空域共生特征進行直接特征映射，用映射后所得特征進行不同樣本的關系描述和計算。

進一步地，所述識別方法在對圖像提取采樣點前進一步包括以下步驟：根據不同分辨率對圖像進行分塊,并將各分塊圖像的區域共存特征進行集成。

本發明另外提供了一種利用上述的圖像表示進行圖像分類的方法，包括：

對輸入圖像提取采樣點，提取采樣點局部特征；

對采樣點的局部特征進行量化索引，獲得索引值；

根據索引值統計獲得圖像空域共生特征；

根據圖像空域共生特征將圖像分類到預定義內容的類別。

本發明最后提供了一種圖像識別系統，包括：

采樣模塊，用以對輸入圖像提取采樣點；

特征提取模塊，用以獲得圖像采樣點的局部特征；

索引模塊，用以根據圖像采樣點的局部特征進行量化索引；

空域共生特征模塊，用以根據兩個或多個索引在空域中同時存在的頻度或強度的統計結果獲得圖像空域共生特征；

訓練模塊，用以根據樣本的類別屬性，用分類識別算法對不同類型樣本進行分類器訓練，得到不同類型圖像的分類器；

識別模塊，用以對待測圖像進行判別，對比不同類型圖像的分類器的判別結果，選取分類器輸出分數最大的類別作為圖像識別結果。

進一步地，所述識別系統還包括圖像分塊模塊，用于在提取采樣點前根據不同分辨率對輸入圖像進行分塊。