[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

说明书

本发明公开了一种基于局部规范差异的图像纹理特征提取方法及系统，其中，该方法包括：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。

技术领域

本发明属于图像处理领域，尤其涉及一种基于局部规范差异的图像纹理特征提取方法及系统。

背景技术

图像纹理是视觉模式的一种类型,它反映了像素强度的空间分布。纹理分析在很多应用中是非常重要，例如分类，识别和分割。作为计算机视觉的一个重要话题，在过去的几年中，本发明已经开始大量的研究纹理分类。然而，对于现实世界中的应用程序来说，由于纹理模式的复杂性，纹理样式和规模的多变性，纹理分类仍然是一个巨大的挑战。

此外，对纹理分类来说，光照是至关重要的，因为不仅在两幅不同的图像之间，而且在一个图像的不同区域间，光照都是非常多变的，例如阴影和高光。总的来说，目前很难解决一幅图像中光照的多变性。

粗略来说，局部区域内的光照变化可以视为单调灰度变化。根据这一原则，一个解决光照变化的简单方法就是建立基于局部区域的不同的强度的特征，而不是直接使用原始强度。这种方法的一个典型的例子就是局部二进制模式(LBP)。

LBP是一种非参数的局部描述子，并广泛应用于纹理分类。LBP的主要优点包括计算效率高和对光照单调变化的抵抗。然而，LBP的纹理分类的性能在一些具有挑战性的情况下是不尽人意的，因为它以一个粗略的方式对局部纹理进行编码。只有中心像素和其邻域像素之间的强度差异会被保留下来，其它量级的组件都会被丢弃。这样粗糙的方式可能会导致两个问题：对比信息的损失，在统一和近似统一区域内对噪声的敏感度较高。LBP的另一个限制就是对旋转变化的敏感度。事实上，图像往往会受到方向变化的影响，这将对纹理分类造成很大的困难。

发明内容

为了解决现有技术的缺点，本发明的第一目的是提供一种基于局部规范差异的图像纹理特征提取方法。本发明的该方法提取的图像纹理特征保持了局部信息不丢失，因此特别适用于描述差异细微的不同纹理。

为实现上述目的，本发明采用以下技术方案：

一种基于局部规范差异的图像纹理特征提取方法，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。

本发明还对NDV进行循环移位以及分类聚集，筛选出能够准确表征待检测图像的纹理特征，得到旋转不变的NDV，避免了图像纹理特征对旋转变化的影响，提高了图像纹理特征的准确性。

本发明的该方法提取待检测图像转换成的灰色图像中各个区域的局部差异向量，使用局部描述符来代替总体特征，提取局部特征时保持了局部信息不丢失，因此特别适用于描述差异细微的不同纹理。

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。这样可以保持幅值信息不丢失。