[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

本發(fā)明公開了一種基于局部規(guī)范差異的圖像紋理特征提取方法及系統(tǒng)，其中，該方法包括：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。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種基于局部規(guī)范差異的圖像紋理特征提取方法及系統(tǒng)。

背景技術(shù)

圖像紋理是視覺模式的一種類型,它反映了像素強(qiáng)度的空間分布。紋理分析在很多應(yīng)用中是非常重要，例如分類，識別和分割。作為計算機(jī)視覺的一個重要話題，在過去的幾年中，本發(fā)明已經(jīng)開始大量的研究紋理分類。然而，對于現(xiàn)實世界中的應(yīng)用程序來說，由于紋理模式的復(fù)雜性，紋理樣式和規(guī)模的多變性，紋理分類仍然是一個巨大的挑戰(zhàn)。

此外，對紋理分類來說，光照是至關(guān)重要的，因為不僅在兩幅不同的圖像之間，而且在一個圖像的不同區(qū)域間，光照都是非常多變的，例如陰影和高光?？偟膩碚f，目前很難解決一幅圖像中光照的多變性。

粗略來說，局部區(qū)域內(nèi)的光照變化可以視為單調(diào)灰度變化。根據(jù)這一原則，一個解決光照變化的簡單方法就是建立基于局部區(qū)域的不同的強(qiáng)度的特征，而不是直接使用原始強(qiáng)度。這種方法的一個典型的例子就是局部二進(jìn)制模式(LBP)。

LBP是一種非參數(shù)的局部描述子，并廣泛應(yīng)用于紋理分類。LBP的主要優(yōu)點包括計算效率高和對光照單調(diào)變化的抵抗。然而，LBP的紋理分類的性能在一些具有挑戰(zhàn)性的情況下是不盡人意的，因為它以一個粗略的方式對局部紋理進(jìn)行編碼。只有中心像素和其鄰域像素之間的強(qiáng)度差異會被保留下來，其它量級的組件都會被丟棄。這樣粗糙的方式可能會導(dǎo)致兩個問題：對比信息的損失，在統(tǒng)一和近似統(tǒng)一區(qū)域內(nèi)對噪聲的敏感度較高。LBP的另一個限制就是對旋轉(zhuǎn)變化的敏感度。事實上，圖像往往會受到方向變化的影響，這將對紋理分類造成很大的困難。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的缺點，本發(fā)明的第一目的是提供一種基于局部規(guī)范差異的圖像紋理特征提取方法。本發(fā)明的該方法提取的圖像紋理特征保持了局部信息不丟失，因此特別適用于描述差異細(xì)微的不同紋理。

為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于局部規(guī)范差異的圖像紋理特征提取方法，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。

本發(fā)明還對NDV進(jìn)行循環(huán)移位以及分類聚集，篩選出能夠準(zhǔn)確表征待檢測圖像的紋理特征，得到旋轉(zhuǎn)不變的NDV，避免了圖像紋理特征對旋轉(zhuǎn)變化的影響，提高了圖像紋理特征的準(zhǔn)確性。

本發(fā)明的該方法提取待檢測圖像轉(zhuǎn)換成的灰色圖像中各個區(qū)域的局部差異向量，使用局部描述符來代替總體特征，提取局部特征時保持了局部信息不丟失，因此特別適用于描述差異細(xì)微的不同紋理。

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。這樣可以保持幅值信息不丟失。