[发明专利]基于HSV和LBP结合的地表状态识别方法

权利要求书

1.基于HSV和LBP结合的地表状态识别方法， 包括以下步骤：

步骤一、建立野外拍摄的地表状态图像样本数据库；

步骤二、遍历样本数据库中图像的所有像素点，将每个点作为中心点，取x*x的邻域窗口，不断移动窗口，计算每个窗口内所有像素均值；

步骤三、将步骤二计算的像素均值与该窗口中心点像素值进行比较，大于或者等于中心像素标记为1，其余标记为0，得到二值化图像；

步骤四、将步骤三得到的二值图像与模板卷积，结果表征为该窗口的LBP值；

步骤五、重复步骤二到四，得到图像的LBP图谱，即可表示图像纹理特征；

步骤六、再次读入样本数据库图像，将RGB颜色模型转换到HSV颜色空间；

步骤七、把H，S，V三分量按照参数a，b，c进行非等间隔量化，构造颜色直方图，既可表示图像颜色特征；

步骤八、将步骤七提取的图像颜色特征的值归一化，得到一维特征向量存储在样本数据库中；

步骤九、读入待识别的图像，重复步骤二至八，得到用于表示图像纹理和颜色的特征向量；

步骤十、将步骤九得到的特征向量输入KNN分类器，选用欧氏距离来衡量待识别图像与样本数据库图像的相似度；

步骤十一、输出识别分类结果，即完成所述的基于HSV和LBP结合的地表状态识别算法。

2.根据权利要求1所述的基于HSV和LBP结合的地表状态识别方法，其特征在于步骤二到步骤九提取的图像特征由颜色和纹理组成，采用HSV+LBP同时提取图像特征，形成特征向量。

3.根据权利要求2所述的基于HSV和LBP结合的地表状态识别方法，其特征在于选取x*x邻域窗口内y个像素点的平均值作为阈值来计算LBP值；计算公式如下：

g_μ为x*x邻域窗口内的y个点像素的平均值，g_c为中心像素的灰度值，g_i为x*x窗口内相邻像素灰度值。

4.根据权利要求1所述的基于HSV和LBP结合的地表状态识别方法，其特征在于将步骤八得到的特征向量输入KNN分类器，利用K邻近算法计算欧式距离对样本数据库的特征向量与待识别图像完成相似度匹配。

5.根据权利要求1所述的基于HSV和LBP结合的地表状态识别方法，其特征在于步骤一维特征向量是通过如下公式计算得到的：

G＝HQ_sQ_v+SQ_v+V；

其中G为一维特征向量，H为色彩，S为饱和度，V为亮度值，Qs和Qv是S和V的量化等级。