[發(fā)明專利]基于局部規(guī)范差異的圖像紋理特征提取方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 201710154249.1 | 申請日: | 2017-03-15 |
| 公開(公告)號: | CN107092916B | 公開(公告)日: | 2019-08-16 |
| 發(fā)明(設(shè)計)人: | 張偉;張偉東;俞曉東;李藝萌 | 申請(專利權(quán))人: | 山東大學(xué);山東大學(xué)深圳研究院 |
| 主分類號: | G06K9/46 | 分類號: | G06K9/46;G06K9/62 |
| 代理公司: | 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221 | 代理人: | 張勇 |
| 地址: | 250061 山東*** | 國省代碼: | 山東;37 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 局部 規(guī)范 差異 圖像 紋理 特征 提取 方法 系統(tǒng) | ||
1.一種基于局部規(guī)范差異的圖像紋理特征提取方法,其特征在于,包括:
步驟1:獲取待檢測圖像并轉(zhuǎn)換成灰色圖像;
步驟2:提取所述灰色圖像中各個區(qū)域的局部差異向量DV;
步驟3:將提取的局部差異向量DV分別進(jìn)行歸一化,得到所述灰色圖像中各個區(qū)域的局部特征的原始?xì)w一化差異向量NDV;
步驟4:基于詞袋模型將所述灰色圖像中各個區(qū)域的局部特征的原始?xì)w一化差異向量NDV進(jìn)行循環(huán)移位;然后將原始?xì)w一化差異向量NDV及其循環(huán)移位后的歸一化差異向量NDV執(zhí)行分類聚集,產(chǎn)生若干個集群;最后篩選出具有最小集群數(shù)的歸一化差異向量NDV作為待檢測圖像的紋理特征。
2.如權(quán)利要求1所述的一種基于局部規(guī)范差異的圖像紋理特征提取方法,其特征在于,在步驟2中,首先計算出每一個鄰域的像素與中心像素之間的強(qiáng)度差異;最后,將所有的差異連接起來形成一個差異向量DV。
3.如權(quán)利要求1所述的一種基于局部規(guī)范差異的圖像紋理特征提取方法,其特征在于,在步驟3中,將提取的局部差異向量DV分別采用二進(jìn)制規(guī)范化進(jìn)行歸一化。
4.一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,包括:
圖像獲取及轉(zhuǎn)換模塊,其用于獲取待檢測圖像并轉(zhuǎn)換成灰色圖像;
局部差異向量提取模塊,其用于提取所述灰色圖像中各個區(qū)域的局部差異向量DV;
局部特征計算模塊,其用于將提取的局部差異向量DV分別進(jìn)行歸一化,得到所述灰色圖像中各個區(qū)域的局部特征的原始?xì)w一化差異向量NDV;
紋理特征提取模塊,其用于基于詞袋模型將所述灰色圖像中各個區(qū)域的局部特征的原始?xì)w一化差異向量NDV進(jìn)行循環(huán)移位;然后將原始?xì)w一化差異向量NDV及其循環(huán)移位后的歸一化差異向量NDV執(zhí)行分類聚集,產(chǎn)生若干個集群;最后篩選出具有最小集群數(shù)的歸一化差異向量NDV作為待檢測圖像的紋理特征。
5.如權(quán)利要求4所述的一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,所述局部差異向量提取模塊還包括:
強(qiáng)度差異計算模塊,其用于計算出每一個鄰域的像素與中心像素之間的強(qiáng)度差異;
強(qiáng)度差異連接模塊,其用于將所有的差異連接起來形成一個差異向量DV。
6.如權(quán)利要求4所述的一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,所述局部特征計算模塊中,將提取的局部差異向量DV分別采用二進(jìn)制規(guī)范化進(jìn)行歸一化。
7.一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,包括:圖像采集裝置,其被配置為采集待分類圖像;
處理器,其被配置為:
獲取待檢測圖像并轉(zhuǎn)換成灰色圖像;
提取所述灰色圖像中各個區(qū)域的局部差異向量DV;
將提取的局部差異向量DV分別進(jìn)行歸一化,得到所述灰色圖像中各個區(qū)域的局部特征的原始?xì)w一化差異向量NDV;
基于詞袋模型將所述灰色圖像中各個區(qū)域的局部特征的原始?xì)w一化差異向量NDV進(jìn)行循環(huán)移位;然后將原始?xì)w一化差異向量NDV及其循環(huán)移位后的歸一化差異向量NDV執(zhí)行分類聚集,產(chǎn)生若干個集群;最后篩選出具有最小集群數(shù)的歸一化差異向量NDV作為待檢測圖像的紋理特征。
8.如權(quán)利要求7所述的一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,所述處理器還被配置為:
計算出每一個鄰域的像素與中心像素之間的強(qiáng)度差異;
將所有的差異連接起來形成一個差異向量DV。
9.如權(quán)利要求7所述的一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,所述處理器還被配置為:將提取的局部差異向量DV分別采用二進(jìn)制規(guī)范化進(jìn)行歸一化。
10.如權(quán)利要求7所述的一種基于局部規(guī)范差異的圖像紋理特征提取系統(tǒng),其特征在于,該系統(tǒng)還包括顯示裝置,其用于顯示所述處理器輸出的待檢測圖像的紋理特征。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于山東大學(xué);山東大學(xué)深圳研究院,未經(jīng)山東大學(xué);山東大學(xué)深圳研究院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710154249.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合





