[发明专利]基于局部规范差异的图像纹理特征提取方法及系统有效

专利信息
申请号: 201710154249.1 申请日: 2017-03-15
公开(公告)号: CN107092916B 公开(公告)日: 2019-08-16
发明(设计)人: 张伟;张伟东;俞晓东;李艺萌 申请(专利权)人: 山东大学;山东大学深圳研究院
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 张勇
地址: 250061 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 局部 规范 差异 图像 纹理 特征 提取 方法 系统
【权利要求书】:

1.一种基于局部规范差异的图像纹理特征提取方法,其特征在于,包括:

步骤1:获取待检测图像并转换成灰色图像;

步骤2:提取所述灰色图像中各个区域的局部差异向量DV;

步骤3:将提取的局部差异向量DV分别进行归一化,得到所述灰色图像中各个区域的局部特征的原始归一化差异向量NDV;

步骤4:基于词袋模型将所述灰色图像中各个区域的局部特征的原始归一化差异向量NDV进行循环移位;然后将原始归一化差异向量NDV及其循环移位后的归一化差异向量NDV执行分类聚集,产生若干个集群;最后筛选出具有最小集群数的归一化差异向量NDV作为待检测图像的纹理特征。

2.如权利要求1所述的一种基于局部规范差异的图像纹理特征提取方法,其特征在于,在步骤2中,首先计算出每一个邻域的像素与中心像素之间的强度差异;最后,将所有的差异连接起来形成一个差异向量DV。

3.如权利要求1所述的一种基于局部规范差异的图像纹理特征提取方法,其特征在于,在步骤3中,将提取的局部差异向量DV分别采用二进制规范化进行归一化。

4.一种基于局部规范差异的图像纹理特征提取系统,其特征在于,包括:

图像获取及转换模块,其用于获取待检测图像并转换成灰色图像;

局部差异向量提取模块,其用于提取所述灰色图像中各个区域的局部差异向量DV;

局部特征计算模块,其用于将提取的局部差异向量DV分别进行归一化,得到所述灰色图像中各个区域的局部特征的原始归一化差异向量NDV;

纹理特征提取模块,其用于基于词袋模型将所述灰色图像中各个区域的局部特征的原始归一化差异向量NDV进行循环移位;然后将原始归一化差异向量NDV及其循环移位后的归一化差异向量NDV执行分类聚集,产生若干个集群;最后筛选出具有最小集群数的归一化差异向量NDV作为待检测图像的纹理特征。

5.如权利要求4所述的一种基于局部规范差异的图像纹理特征提取系统,其特征在于,所述局部差异向量提取模块还包括:

强度差异计算模块,其用于计算出每一个邻域的像素与中心像素之间的强度差异;

强度差异连接模块,其用于将所有的差异连接起来形成一个差异向量DV。

6.如权利要求4所述的一种基于局部规范差异的图像纹理特征提取系统,其特征在于,所述局部特征计算模块中,将提取的局部差异向量DV分别采用二进制规范化进行归一化。

7.一种基于局部规范差异的图像纹理特征提取系统,其特征在于,包括:图像采集装置,其被配置为采集待分类图像;

处理器,其被配置为:

获取待检测图像并转换成灰色图像;

提取所述灰色图像中各个区域的局部差异向量DV;

将提取的局部差异向量DV分别进行归一化,得到所述灰色图像中各个区域的局部特征的原始归一化差异向量NDV;

基于词袋模型将所述灰色图像中各个区域的局部特征的原始归一化差异向量NDV进行循环移位;然后将原始归一化差异向量NDV及其循环移位后的归一化差异向量NDV执行分类聚集,产生若干个集群;最后筛选出具有最小集群数的归一化差异向量NDV作为待检测图像的纹理特征。

8.如权利要求7所述的一种基于局部规范差异的图像纹理特征提取系统,其特征在于,所述处理器还被配置为:

计算出每一个邻域的像素与中心像素之间的强度差异;

将所有的差异连接起来形成一个差异向量DV。

9.如权利要求7所述的一种基于局部规范差异的图像纹理特征提取系统,其特征在于,所述处理器还被配置为:将提取的局部差异向量DV分别采用二进制规范化进行归一化。

10.如权利要求7所述的一种基于局部规范差异的图像纹理特征提取系统,其特征在于,该系统还包括显示装置,其用于显示所述处理器输出的待检测图像的纹理特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学;山东大学深圳研究院,未经山东大学;山东大学深圳研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710154249.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top