[發明專利]一種基于顏色相關局部二值模式的彩色圖像描述方法

在審

• 申請號: 202011594418.1
• 申請日: 2020-12-29
• 公開（公告）號: CN112489145A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 畢秀麗;耿韜
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/90
• 分類號: G06T7/90;G06K9/46;G06K9/62
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 李金蓉

本發明公開了一種基于顏色相關局部二值模式的彩色圖像描述方法，涉及數字圖像處理領域。首先對數據集中的彩色圖像進行預處理，獲得彩色圖像在RSS空間的三個分量圖像以及在RGB空間的三個分量圖像；采用多通道編碼局部二值模式方法(mdLBP)對彩色圖像的所述分量圖像進行特征提取，得到圖像的mdLBP特征向量；采用類內隨機的方式選取一部分圖像的mdLBP特征向量進行特征學習，根據學習得到的主導模式表對數據集所有圖像的mdLBP特征向量進行維度選擇，將選擇得到的特征組合為描述圖像的顏色相關局部二值模式特征向量；最后將測試集與訓練集相匹配得到分類結果。本發明利用了彩色圖像不同分量圖像的相關信息以及LBP特征向量的主導模式，有效提高了對圖像描述的準確率。

技術領域

本發明屬于數字圖像處理、機器視覺的技術領域。具體是一種基于顏色相關局部二值模式的彩色圖像描述方法。

背景技術

圖像的特征提取與描述是圖像處理和模式識別領域中具有挑戰性的研究課題之一，同時，也日益成為與生活息息相關的組成部分。彩色圖像特征提取的關鍵在于如何更合理的利用圖像中的顏色信息。常用的特征提取方法包括全局方法、局部方法以及基于深度學習的方法三種，全局方法直接對圖像的整體進行描述，忽略相鄰像素之間的局部信息，這種方法對光照等圖像變化非常敏感；局部方法從圖像的局部區域提取特征，保留了數據的局部性，但是對噪聲較為敏感；而基于深度學習的方法得到的模型依賴于大量的訓練數據，并且訓練時間較長，需要較大的存儲空間。

局部二值模式(Local Binary Pattern,LBP)是首先由T.Ojala,和D.Harwood在1994年提出，用來描述灰度圖像的局部紋理特征，它的作用是對圖像的局部紋理特征進行提取。原始的LBP算子是定義在3*3的鄰域內，以中心像素為閾值，將相鄰的8個像素的灰度值與其進行比較。若鄰域像素值大于中心像素值，則該鄰域像素點的位置被記為1，否則為0。通過這種方式，分別對中心像素相鄰的8個像素進行標記。這樣3*3鄰域內可產生8位的無符號二進制數，即得到該中心像素的LBP值，通過這個值來表示該點鄰近區域的紋理信息。為了將LBP擴展到彩色圖像，研究人員不斷進行各種改進和優化，進而提出了局部顏色矢量二值模式(LCVBP)、四元數局部排序二值模式(QLRBP)、多通道編碼局部二值模式(MDLBP)等方法。雖然這些方法對彩色圖像識別有一定效果，但是它們都沒有很好的平衡彩色圖像特征向量的長度與特征性能的關系，除此之外，如何更好的結合圖像的顏色信息也是一個需要考慮的關鍵問題。

發明內容

針對以上現有技術的不足，本發明提供了一種在控制特征維度的同時可以有效提高準確率的基于顏色相關局部二值模式的彩色圖像描述方法。

本發明實現上述目的采用的技術方案是：一種基于顏色相關局部二值模式的彩色圖像描述方法，包括以下步驟：

101、對彩色圖像數據進行預處理，獲得彩色圖像的三個相對相似空間分量圖像和三個RGB顏色空間分量圖像。

102、采用多通道編碼局部二值模式方法對步驟101得到的所述分量圖像進行特征提取，得到圖像數據集的多通道編碼局部二值模式特征向量。

103、采用類內隨機的方式選取一部分圖像的多通道編碼局部二值模式特征向量進行特征學習，根據學習得到的主導模式表對彩色圖像數據集所有圖像的多通道編碼局部二值模式特征向量進行維度選擇，將選擇得到的特征組合為描述圖像的顏色相關局部二值模式特征向量。

104、采用類內隨機的方式將彩色圖像數據集劃分為訓練集和測試集，根據步驟103得到的顏色相關局部二值模式特征向量，通過對訓練集圖像和測試集圖像進行匹配，得到最終的分類結果。

本發明的優點及有益效果如下：