[發明專利]基于紋理趨勢的改進梯度直方圖特征提取算法及其應用方法

在審

• 申請號: 201811349485.X
• 申請日: 2018-11-13
• 公開（公告）號: CN109508723A
• 公開（公告）日: 2019-03-22
• 發明（設計）人: 劉穎;葛瑜祥;張帥;王富平
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

本發明公開了一種基于紋理趨勢的改進梯度直方圖特征提取算法及其應用方法。包括以下五個模塊：(1)提取像素點梯度幅值和梯度方向的梯度計算模塊；(2)定義圓形統計單元，并對各單元進行方向梯度直方圖統計的統計模塊；(3)提取紋理趨勢，計算趨勢方向，并據此對齊單元特征向量的對齊模塊；(4)連接單元特征向量，構建HOG?TT特征的構建模塊；(5)利用已訓練SVM模型組對輸入HOG?TT特征進行分類或利用訓練數據的HOG?TT特征訓練SVM模型組的分類訓練模塊。本發明在保持HOG特征光照和尺度不變性的前提下，加入了優良的旋轉不變性，并根據輪胎花紋圖像的特點降低了特征的維度，減少了計算復雜度。

技術領域

本發明涉及的是數字圖像處理中的圖像分類技術領域，具體涉及一種基于紋理趨勢的改進梯度直方圖特征提取算法及其用于輪胎花紋圖像分類的方法。

背景技術

紋理特征反映了圖像灰度值的變化，是圖像的重要底層特征之一，是物體材料本身自有特性，不隨外界改變而改變。因此，提取優良的紋理特征可克服外部環境變化對圖像特征的影響，從而提高方法的分類性能。方向梯度直方圖(Histogram of OrientedGradient，HOG)特征正是一種對外部光照和尺度變化不敏感的特征。

HOG特征是一種具備光照和尺度不變性的紋理特征，常被用于行人檢測算法中以提取場景紋理信息。該特征描述了局部區域梯度變化的方向分布特性，可以用于精確表達局部紋理。其缺點是特征向量維度高、計算量大以及對圖像旋轉變換敏感。

本發明的方法旨在于提取基于紋理趨勢的改進梯度直方圖特征，并將其用于輪胎花紋圖像分類，HOG特征雖然具備光照和尺度不變性，但對于輪胎花紋圖像常見的旋轉變換十分敏感。因此，本方法結合輪胎花紋圖像中特有的紋理趨勢和HOG特征的特性，研究一種對輪胎花紋紋理特征表達能力強，對拍攝光照、距離和角度變化魯棒，且同時具備光照、尺度和旋轉不變性的紋理特征，并將該特征結合支持向量機(Support Vector Machine，SVM)，對輪胎花紋圖像進行分類。

發明內容

針對現有技術上存在的不足，本發明目的是在于提供一種基于紋理趨勢的改進梯度直方圖特征提取算法及其應用方法，主要解決了現有輪胎花紋數據庫分類算法對拍攝光照、距離和角度改變，及其引起的圖像光照、尺度和旋轉變化敏感的缺陷，當輸入的待分類圖片發生上述3種變化時，分類精度明顯下降的問題。本方法對上述三種變化具有優良的魯棒性，在保持HOG特征光照和尺度不變性的前提下，加入了優良的旋轉不變性，并根據輪胎花紋圖像的特點降低了特征的維度，減少了計算復雜度。

為了實現上述目的，本發明是通過如下的技術方案來實現：基于紋理趨勢的改進梯度直方圖特征提取算法及其應用方法，包括以下五個模塊：(1)提取像素點梯度幅值和梯度方向的梯度計算模塊；(2)定義圓形統計單元，并對各單元進行方向梯度直方圖統計的統計模塊；(3)提取紋理趨勢，計算趨勢方向，并據此對齊單元特征向量的對齊模塊；(4)連接單元特征向量，構建HOG-TT特征的構建模塊；(5)利用已訓練SVM模型組對輸入HOG-TT特征進行分類或利用訓練數據的HOG-TT特征訓練SVM模型組的分類訓練模塊；基于紋理趨勢的改進梯度直方圖特征提取算法及其用于輪胎花紋圖像分類的方法基本步驟如下：(1)計算圖像中每個像素點的梯度幅值G(i，j)和采樣區間在[0，2π]上的梯度方向α(i，j)；

(2)利用圓周式特征提取方法，定義圓形統計單元cell_r(cell)，計算各統計單元的單元特征向量C_r(Cell Feature Vector，CFV)；

(3)檢測紋理趨勢(Texture Tendency，TT)，計算全局特征向量V(Global FeatureVector，GFV)，其向量值的最大值v_m所在方向子區間k(bin)，稱為趨勢方向k_v(TrendDirection，TD)，并據此對齊所有C_r得到方向對齊后的單元特征向量C_r′；