[发明专利]一种基于紧致通道间t采样差分的彩色纹理分类方法

说明书

本发明公开了一种基于紧致通道间t采样差分的彩色纹理分类方法，包括划分图像块，生成满足t分布的采样点；在每个图像块中，提取通道间t分布差分描述子；通过Fisher‑PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)；将最终得到的基于紧致通道间t采样差分的描述子(CITDD)通过线性SVM分类器进行分类的步骤。本发明中，首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher‑PCA方法得到基于紧致通道间t采样差分的描述子；在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，更加有效、实用、高效。

技术领域

本发明属于计算机视觉和模式识别技术领域，主要是关于彩色纹理图像分类方法的研究具体涉及一种基于紧致通道间t采样差分的彩色纹理分类方法。

背景技术

纹理分类是计算机视觉和模式识别领域中的经典问题。构建具有判别性的纹理表示是纹理分类过程中的重要一步。目前，许多纹理表示和分类方法有着广泛的应用，包括：场景理解，目标识别，人脸检测和识别，图像分割和检索的领域。这些方法可粗略的分为变换域方法和空域方法。

变换域方法也被称为基于滤波的方法或基于信号处理的方法。这些方法主要是通过对变换系数进行建模构建纹理描述子。广泛应用的变换方法包括小波变换，轮廓波变换和剪切波变换。空域方法主要通过捕获纹理图像中空间像素与其邻域像素之间的关系来构建纹理描述子。

然而大多数方法只对灰度图像有效。在现实世界中，在我们识别物体时颜色是不可或缺的信息。因此构建彩色纹理描述子对于探索彩色纹理分类方法是重要的。

发明内容

有鉴于此，为解决上述现有技术的不足，本发明的目的在于提供了一种基于紧致通道间t采样差分的彩色纹理分类方法，主要是基于紧致通道间t采样差分的描述子(CITDD)；首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher-PCA方法得到基于紧致通道间t采样差分的描述子。在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，本发明提出的方法更加有效、实用、高效。

为实现上述目的，本发明所采用的技术方案是：

一种基于紧致通道间t采样差分的彩色纹理分类方法，其特征在于：包括以下步骤：

S1：划分图像块，生成满足t分布的采样点：对输入的图像，首先按照步长为2像素将图像划分长大小为L*L的图像块；在每个图像块中，生成符合t分布的采样点集合和

S2：在每个图像块中，提取通道间t分布差分描述子：利用微块差分对彩色纹理图像的不同颜色通道间的关系进行建模；三对通道间的组合包括α通道和β通道(α-β)、β通道和γ通道(β-γ)、γ通道和α通道(γ-α)，在图像块的每个颜色通道选取满足t分布采样的微块，计算每组颜色通道组合间的微块差分特征；

对于大小为L*L的图像块，通道间t采样差分描述子(InterTDD)计算过程如下：

InterTDD＝[F^α-β，F^β-γ，F^γ-α] (1)；

S3：通过Fisher-PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)：