[发明专利]纹理图像的特征提取方法和系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种纹理图像的特征提取方法和系统。

背景技术

在计算机视觉和数字图像处理中，纹理图像的特征提取一项非常重要的基础性工作，在分析自然图像的应用研究中也占有非常重要的地位。

近年来，局部二值模式(Local binary pattern，简称LBP)的特征提取方法在纹理分析和人脸识别应用中取得了显著的成果。由于该方法具有原理相对简单、计算复杂度低、旋转不变性和灰度不变性等显著优点，因而被广泛地应用于纹理分类、图像检索、人脸识别、行人和汽车目标的检测与跟踪、生物和医学图像分析、遥感图像分析等领域。进一步地，多尺度LBP的特征提取方法相对于单尺度LBP的特征提取方法考虑了更多的局部信息，具有更高的识别率，而且分为串联模式和联合模式。

在串联模式处理时，假设不同尺度LBP的特征提取过程之间是相互独立的，然而由于自然图像的连续性，使得独立性假设实际并不成立，这样就会导致在串联模式下多尺度LBP的特征提取方法具有较高的冗余性，使得特征的识别率受到一定限制。在联合模式下处理时，多尺度LBP的特征提取方法能够保持不同尺度之间特征的相关性，因此相比于串联模式下多尺度LBP的特征提取方法，具有更高的识别率。但是，在联合模式下多尺度LBP的特征提取方法得到的特征维数与尺度个数是成指数函数关系的，尺度越大，所提取特征的维度越高，且具有较高的冗余性，影响特征的可辨别性。

发明内容

针对以上缺陷，本发明提供一种纹理图像的特征提取方法和系统，可以降低特征维度和冗余性，提高特征的可辨别性。

第一方面，本发明提供的特征提取方法包括：

对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，得到该像素在不同半径尺寸的圆形邻域上的局部二值模式特征；

统计所述纹理图像中除边缘像素之外的各个像素在不同半径尺寸的圆形邻域上的局部二值模式特征，形成联合直方图；

按照预设的降维阈值提取出所述联合直方图中主对角线上的各个局部二值模式特征，所述降维阈值用于确定在所述主对角线上的特征提取宽度。

可选的，采用以下公式提取出所述联合直方图中主对角线上的各个局部二值模式特征：

其中，x_i为所述联合直方图中第i维坐标上的局部二值模式特征，x_j为所述联合直方图中第j维坐标上的局部二值模式特征，i、j均为大于等于1且小于等于N的正整数，N为圆形邻域上采样点的个数与2的和，T为所述降维阈值。

可选的，该方法还包括：

将所述联合直方图中非主对角线上的各个局部二值模式特征合并为一个特征，并提取出合并得到的特征。

可选的，该方法还包括：

计算所述纹理图像中除边缘像素之外的每一像素的全局特征；

将各个全局特征、所述联合直方图中主对角线上的各个局部二值模式特征及对所述联合直方图中非主对角线上的各个局部二值模式特征合并得到的特征按照预设算法结合。

可选的，采用以下公式计算所述纹理图像中除边缘像素之外的每一像素的全局特征：

其中，CLBP为所述纹理图像中除边缘像素之外的一个像素的全局特征，g_c为该像素的灰度值，为所述纹理图像中所有像素的灰度值均值。

可选的，所述对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，包括：

将所述纹理图像中除边缘像素之外的每一个像素作为中心像素，针对每一中心像素执行：

以该中心像素为圆心，在不同半径尺寸的圆形邻域上进行均匀采样；

将在不同半径尺寸的圆形邻域上的各个采样点的灰度值分别与该中心像素点的灰度值作差；

对得到的各个差值进行编码，得到该中心像素在不同半径尺寸上的局部二值模式特征。

可选的，所述在不同半径尺寸的圆形邻域上进行均匀采样，包括：

在半径尺寸小于预设值的圆形邻域上均匀选取第一数量的采样点；

在半径尺寸大于或等于预设值的圆形邻域上均匀选取第二数量的采样点，计算所述第二数量的采样点中每相邻的n个采样点的灰度值均值；并将计算得到的每一个灰度值均值作为一个采样点的灰度值，得到所述第一数量的采样点的灰度值；

其中，所述第二数量为所述第一数量的n倍，n为正整数。

可选的，所述在不同半径尺寸的圆形邻域上进行均匀采样，包括：