[發(fā)明專利]基于梯度局部三值模式的光照反轉(zhuǎn)和旋轉(zhuǎn)不變紋理表達(dá)方法

在審

• 申請?zhí)枺?/td>: 201810724136.5
• 申請日: 2018-07-04
• 公開（公告）號: CN109035317A
• 公開（公告）日: 2018-12-18
• 發(fā)明（設(shè)計(jì)）人: 宋鐵成;辛亮亮;張剛;羅忠濤;張?zhí)祢U
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: G06T7/41
• 分類號: G06T7/41
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及一種基于梯度局部三值模式的光照反轉(zhuǎn)和旋轉(zhuǎn)不變紋理表達(dá)方法，包括以下步驟：首先，輸入一幅灰度圖像，計(jì)算中心像素與近鄰像素的梯度值，引入自適應(yīng)閾值對梯度值進(jìn)行三值量化；然后，將量化后的三值模式分為正二值模式和負(fù)二值模式，分別計(jì)算具有旋轉(zhuǎn)不變性的正LBP編碼和負(fù)LBP編碼；最后，計(jì)算正LBP編碼和負(fù)LBP編碼的統(tǒng)計(jì)直方圖，并將其級聯(lián)作為最終的特征向量。本發(fā)明所述方法對光照反轉(zhuǎn)和圖像的旋轉(zhuǎn)變化具有很好的魯棒性，可提高傳統(tǒng)LBP方法在光照反轉(zhuǎn)變化下的紋理表達(dá)能力。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字圖像處理、計(jì)算機(jī)視覺領(lǐng)域，具體涉及一種基于梯度局部三值模式的光照反轉(zhuǎn)和旋轉(zhuǎn)不變紋理表達(dá)方法。

背景技術(shù)

圖像的紋理特征反映了像素灰度的空間分布規(guī)律，傳達(dá)了物體的表面結(jié)構(gòu)信息。提取有效的紋理特征是數(shù)字圖像處理和計(jì)算機(jī)視覺領(lǐng)域研究的基礎(chǔ)問題，在紋理分類、紋理分割、場景識別、圖像匹配等視覺任務(wù)中扮演重要角色。因此，紋理特征提取方法具有重要的研究價(jià)值，學(xué)者們提出了諸多紋理特征提取方法。其中代表性的方法有：灰度共生矩陣(Gray-Level Co-occurrence Matrix,GLCM)、馬爾可夫隨機(jī)場(Markov Random Field，MRF)、基于基元(texton)學(xué)習(xí)的方法以及近年來比較流行的基于局部模式的方法。

Ojala等提出的局部二值模式(Local Binary Pattern,LBP)方法通過編碼局部像素差分的符號信息來建立直方圖特，具有計(jì)算復(fù)雜度低、線性灰度不變性、無需訓(xùn)練學(xué)習(xí)和易于工程實(shí)現(xiàn)等眾多優(yōu)點(diǎn)，并被廣泛應(yīng)用于紋理分類、人臉識別、圖像檢索和行人檢測等領(lǐng)域。基于LBP的思想，學(xué)者們提出了許多衍生算法，包括局部三值模式(Local TernaryPattern,LTP)、完整的LBP(Complete LBP,CLBP)、主導(dǎo)LBP(Dominant,DLBP)等。

雖然基于LBP思想的方法有諸多優(yōu)點(diǎn)，但是傳統(tǒng)LBP及其衍生方法對光照反轉(zhuǎn)變化十分敏感。光照反轉(zhuǎn)變化是由于反射、曝光、遮擋等復(fù)雜的光照條件導(dǎo)致圖像的某些部分變亮，而有些部分變暗。光照反轉(zhuǎn)變化會造成圖像灰度值的相對大小發(fā)生改變，從而導(dǎo)致局部像素差分的符號發(fā)生變化。一旦發(fā)生光照反轉(zhuǎn)變化，這會嚴(yán)重影響LBP及其衍生算法在分類和識別等任務(wù)中的性能。針對以上不足，本發(fā)明提出了一種基于梯度局部三值模式(Gradient Local Ternary Pattern,GLTP)的光照反轉(zhuǎn)和旋轉(zhuǎn)不變紋理表達(dá)方法。

發(fā)明內(nèi)容

本發(fā)明所要解決的問題是提供一種基于梯度局部三值模式的光照反轉(zhuǎn)和旋轉(zhuǎn)不變紋理表達(dá)方法，所述方法對光照反轉(zhuǎn)和圖像的旋轉(zhuǎn)變化具有很好的魯棒性，可提高傳統(tǒng)LBP方法在光照反轉(zhuǎn)變化下的紋理表達(dá)能力。

本文發(fā)明解決上述問題的技術(shù)方案如下：一種基于梯度局部三值模式的光照反轉(zhuǎn)和旋轉(zhuǎn)不變紋理表達(dá)方法，包括以下步驟：

步驟1，輸入一幅灰度圖像，將其灰度值歸一化到[0,255]；

步驟2，近鄰像素采樣：利用插值計(jì)算每個(gè)中心像素的近鄰像素；

步驟3，計(jì)算每個(gè)中心像素與其近鄰像素的梯度值，引入自適應(yīng)量化閾值對梯度值進(jìn)行三值量化；

步驟4，將量化后的三值模式分為正二值模式和負(fù)二值模式，并分別計(jì)算具有旋轉(zhuǎn)不變性的正LBP編碼和負(fù)LBP編碼；

步驟5，分別計(jì)算正LBP編碼和負(fù)LBP編碼的統(tǒng)計(jì)直方圖，并將兩個(gè)直方圖級聯(lián)作為最終的特征向量。

本文發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：

第一，本發(fā)明基于傳統(tǒng)LBP的思想，編碼中心像素與近鄰像素的梯度信息，對光照反轉(zhuǎn)變化具有很好的魯棒性；

第二，與傳統(tǒng)LBP相比，本發(fā)明將中心像素與近鄰像素的梯度信息量化為三值模式，增加了算法對噪聲的魯棒性；