[發明專利]一種魯棒擴展局部二值模式紋理特征提取方法

有效

• 申請號: 201510366239.5
• 申請日: 2015-06-29
• 公開（公告）號: CN105005781B
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 劉麗;龍云利;老松楊;謝毓湘
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 李弘

本發明公開了一種魯棒擴展局部二值模式紋理特征提取方法，包括獲取待提取特征紋理圖像；對待提取特征紋理圖像進行預處理；從待提取特征紋理圖像中依次指定每個像素，為像素構建像素區域使用高斯平滑方法將像素區域處理為高斯平滑結果，并根據高斯平滑結果，計算獲得對于指定像素的魯棒擴展局部二值模式；根據對于指定像素的魯棒擴展局部二值模式，將指定像素歸入固定的組中，被歸入同一個固定的組中的指定像素被視為具有相同類型紋理模式；繼續指定下一個像素作為當前指定像素按上述方式進行處理，直到待提取特征紋理圖像中的每個像素都被歸入固定的組中。

技術領域

本發明涉及圖像紋理描述與分析技術，特別地，涉及一種魯棒擴展局部二值模式紋理特征提取方法。

背景技術

紋理是一種重要的視覺線索，廣泛存在于自然界各種物體的表面。不管是自然圖像、衛星遙感圖像還是醫學圖像，紋理為圖像基本特征之一，是圖像中像素強度的某種局部模式重復出現的宏觀表現。紋理分類是圖像處理、計算機視覺和模式識別的一個基礎問題，在圖像處理與模式識別領域占有重要地位。對紋理圖像分類的研究，不僅對于人類對自身視覺機理的理解和研究具有推動作用，而且對計算機視覺和模式識別領域其它問題如人臉識別、物體識別、場景分類等等有重要支撐作用。紋理分類在視覺導航、場景分類、目標識別、基于內容的圖像檢索、遙感圖像分析、工業檢測、醫學圖像分析和理解和文本分類等領域有著廣泛的應用。紋理分類問題涉及數字圖像處理、計算機視覺、模式識別、機器學習、計算機圖形學、人機交互、認知科學、應用數學、統計學、神經生理學和人工智能等多個研究領域。紋理分類問題的深入研究和最終解決，可以有力地促進這些學科的成熟和發展。

作為一個經典的模式識別問題，紋理分類主要包括兩個關鍵環節：紋理特征提取和分類器設計。眾所周知，有效的紋理特征提取方法占有著相對重要的地位，因為如果使用不好的紋理特征，即便是最好的分類器也無法達到很好的識別效果。因此，紋理特征提取方法的研究一直是人們關注的熱點，出現了很多紋理特征提取方法。然而，由于自然界紋理圖像種類繁多，紋理分類問題本身的復雜性，加上實際應用中非限定成像環境的影響，要求提取的紋理特征能夠對采集到的紋理圖像往往會出現數據缺失、光照變化、旋轉變化、尺度變化、局部變形和模糊等類內差異具有高度魯棒性；此外，與日俱增的大規模紋理圖像數據對紋理特征提取的實時性要求也越來越高；這些難點使得現有的紋理特征提取方法仍然難以滿足實際應用的需求。

提取有效紋理特征的本質困難在于平衡兩個相互競爭的目標：高質量的特征描述和低計算復雜度。高質量的紋理特征描述子需要兼具強可區分力(能夠區分不同紋理圖像類別)和高魯棒性(能夠對同一紋理圖像類別存在的類內差異如光照變化、旋轉變化、尺度變化、圖像模糊、圖像隨機噪聲和圖像遮擋等魯棒)。計算復雜度低和特征維數低的紋理特征描述子能夠使得分類任務實時進行。現有的研究工作都試圖在這兩個相互競爭的目標中取得良好折衷，然而往往只能較好的達到其中一個目標，不可避免的犧牲另一個目標。

局部二值模式(Local Binary Pattern,LBP)已經發展成為最主要的紋理特征提取方法之一，并在圖像處理和計算機視覺領域受到越來越多的關注，這主要是由于LBP方法存在如下顯著優勢：①易于工程實現；②灰度尺度不變性；③低計算復雜度低。正是因為如此，LBP方法已被成功應用于以紋理分類和人臉識別為代表的圖像處理和計算機視覺中的諸多領域，包括工業檢測、遙感圖像分析、動態紋理識別、基于內容的圖像檢索、醫學圖像處理、場景分類、運動分析和環境建模等等。LBP方法得到廣泛研究，出現了大量基于LBP的改進方法，

這些后續LBP改進方法主要致力于提高其鑒別力，魯棒性和易用性。