一种纹理图像的检索方法和装置制造方法
【专利摘要】本发明公开了一种纹理图像的检索方法和装置，属于数字图像处理领域。所述方法包括：根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像；根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列；根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。本发明通过使用结构模式图像进行特征提取，有效克服光照敏感性，提取的结构特征序列具有光照、平移、旋转、缩放和仿射不变性，较好地实现了图像检索。
【专利说明】一种纹理图像的检索方法和装置
【技术领域】
[0001]本发明涉及数字图像处理领域，特别涉及一种纹理图像的检索方法和装置。
【背景技术】
[0002]随着计算机网络技术的迅速发展，各种各样的纹理图像数据库在迅速增长，如何从这些纹理图像数据库中快速有效地获取所需图像，是纹理图像检索领域中一个重要的研究课题。
[0003]现有技术中，利用脉冲耦合神经网络模型对被检索纹理图像进行图像特征提取，将提取到的图像特征和纹理图像数据库中图像的图像特征进行相似性度量，获取同一纹理图像，实现纹理图像的检索。
[0004]在实现本发明的过程中，发明人发现现有技术至少存在以下问题:
[0005]现有技术中，脉冲耦合神经网络模型进行纹理图像检索时，提取的特征虽然具有缩放、平移、旋转和仿射不变性，但是，对光照的影响较为敏感，阻碍了脉冲耦合神经网络在纹理图像检索中的应用。
【发明内容】
[0006]为了解决脉冲耦合神经网络模型的光照敏感性问题，本发明实施例提供了一种纹理图像的检索方法和装置。所述技术方案如下:
[0007]一方面，提供了一种纹理图像的检索方法，所述方法包括:
[0008]根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像；
[0009]根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列；
[0010]根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。
[0011]根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取结构模式图像之前，所述方法包括:
[0012]根据旋转不变局部二值模式算法对纹理图像数据库中的每幅图像进行处理，获取所述纹理图像数据库中的每幅图像对应的结构模式图像；
[0013]根据脉冲耦合神经网络模型对所述纹理图像数据库中的每幅图像对应的结构模式图像进行特征提取，得到所述纹理图像数据库中的每幅图像的结构特征序列。
[0014]根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像，所述方法包括:
[0015]根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列进行相似性度量，得到所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离；[0016]根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取被检索纹理图像。
[0017]根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取被检索纹理图像，所述方法包括:
[0018]根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取相似性距离排序后的相似性距离序列；
[0019]根据所述相似性距离序列，获取预设数量的被检索纹理图像。
[0020]另一方面，提供了一种纹理图像的检索装置，所述装置包括:
[0021]第一结构模式图像获取模块，用于根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像；
[0022]第一结构特征序列获取模块，用于根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列；
[0023]被检索纹理图像获取模块，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。
[0024]所述装置还包括:
[0025]第二结构模式图像获取模块，用于根据旋转不变局部二值模式算法对纹理图像数据库中的每幅图像进行处理，获取所述纹理图像数据库中的每幅图像对应的结构模式图像；
[0026]第二结构特征序列获取模块，用于根据脉冲耦合神经网络模型对所述纹理图像数据库中的每幅图像对应的结构模式图像进行特征提取，得到所述纹理图像数据库中的每幅图像的结构特征序列。
[0027]所述被检索纹理图像获取模块，包括:
[0028]相似性距离计算单元，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列进行相似性度量，得到所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离；
[0029]被检索纹理图像获取单元，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取被检索纹理图像。
[0030]所述被检索纹理图像获取单元包括:
[0031]排序子单元，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取相似性距离排序后的相似性距离序列；
[0032]被检索纹理图像获取子单元，用于根据所述相似性距离序列，获取预设数量的被检索纹理图像。
[0033]本发明实施例提供的技术方案带来的有益效果是:
[0034]本发明实施例提供的纹理图像的检索方法和装置，通过根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像；根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列；根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。采用本发明实施例提供的技术方案，通过使用结构模式图像进行特征提取，有效克服光照敏感性，提取的结构特征序列具有光照、平移、旋转、缩放和仿射不变性，较好地实现了图像检索。
【专利附图】
【附图说明】
[0035]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本发明实施例中提供的一种纹理图像的检索方法流程图；
[0037]图2a是本发明实施例中提供的一种纹理图像的检索方法流程图；
[0038]图2b是本发明实施例中提供的纹理图像检索结果示意图；
[0039]图3是本发明实施例中提供的一种纹理图像的检索装置结构示意图。
【具体实施方式】
[0040]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0041]图1是本发明实施例中提供的一种纹理图像的检索方法流程图，参见图1，该方法包括:
[0042]101:根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像；
[0043]其中，该输入纹理图像均为单通道灰度图像，对于多通道的图像，如RGB、CMY、YIQ等，需要将多通道图像转化成单通道灰度图像，或者将多通道的图像的每一个通道的图像单独作为该输入纹理图像。
[0044]其中，该旋转不变局部二值模式算法的基本原理是，以中心像素点的灰度值作为阈值，与其周围邻域内的像素点做差值，当差值大于O时，赋值为1，当差值小于O时，赋值为0，将中心像素点周围邻域内的像素点进行旋转排序，得到排序后的最小值，将该最小值作为中心像素点的值。通过使用该旋转不变局部二值模式算法，将具有256级灰度的图像转化成具有36级纹理结构模式的结构模式图像，克服光照的不均匀性的同时，极大地降低了图像的维数。
[0045]根据该旋转不变局部二值模式算法对该输入纹理图像进行处理，将该输入纹理图像从灰度模式转化成结构模式，获取该输入纹理图像的结构模式图像。
[0046]102:根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列；
[0047]其中，该脉冲耦合神经网络模型是根据猫的视皮层神经元脉冲同步振荡和神经元脉冲发放现象提出的。在图像处理中，一个神经元与一个像素点对应，神经元的输入与像素点的灰度值对应，由于像素点是离散的，因此，该脉冲耦合神经网络模型的输入信号也是离散的。在迭代过程中，神经元将自身的灰度和周围神经元的灰度进行耦合，作为神经元的输入，使得部分神经元提前点火，产生相似神经元集群性点火，即脉冲同步发放现象。
[0048]该脉冲耦合神经网络模型中每个神经元对应于该输入纹理图像的结构模式图像中的每个像素点，将每个神经元对应的每个像素点的灰度以及周围神经元的灰度进行耦合，作为该神经元的输入。根据该脉冲耦合神经网络对该输入纹理图像的结构模式图像进行预设次数的迭代，其中，预设次数可以为10、20、30等，对此，本发明实施例不作具体限定。神经元受自身灰度以及周围神经元灰度的影响发生点火，获取每次迭代时点火的神经元的个数，预设次数的迭代中产生的点火神经元个数组成特征序列，即该输入纹理图像的结构特征序列。该输入纹理图像的结构特征序列具有光照、平移、旋转、缩放和仿射不变性。
[0049]103:根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。
[0050]根据该输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，采用的相似性度量方法进行相似性度量，得到该输入纹理图像的结构特征序列和纹理图像库中的每幅图像的结构特征序列的相似性距离。其中，采用的相似性度量方法可以为一阶绝对值距离、信息熵、欧几里得距离、相关系数、X 2距离等，对此，本发明实施例不作具体限定，优选地，采用X 2距离作为相似性度量方法。
[0051]在获取到该输入纹理图像的结构特征序列和纹理图像库中的每幅图像的结构特征序列的相似性距离后，根据该相似性距离，获取被检索纹理图像的方法可以为以下任一方法:
[0052](I)设置相似性距离阈值。当该输入纹理图像的结构特征序列和纹理图像库中的每幅图像的结构特征序列的相似性距离小于(或大于)该相似性距离阈值时，接受将与该相似性距离对应的纹理图像库中的图像作为被检索图像；当该输入纹理图像的结构特征序列和纹理图像库中的每幅图像的结构特征序列的相似性距离大于(或小于)该相似性距离阈值时，拒绝将与该相似性距离对应的纹理图像库中的图像作为被检索图像。其中，该相似性距离阈值用于确定纹理图像库中的图像是否和输入纹理图像为同一纹理图像，该相似性阈值由本领域技术人员在设计过程中进行设置，也可以由用户进行设置，对此，本发明实施例不做具体限定。该方法可以用于大型图像数据库检索，也可以用于小型图像数据库检索，对此，本发明实施例不做具体限定，优选地，该方法用于大型图像数据库的检索。在检索过程中，用户可以使用默认的相似性距离阈值，也可以根据需要被检索图像的数量进行相似性距离阈值的调节，当用户需要较多的被检索图像时，可以将该相似性距离阈值设置的较大(或较小)，以在较短时间内获取尽可能多的被检索图像，当用户需要较少的被检索图像时，可以将该相似性距离阈值设置的较小(或较大)，以获取与输入纹理图像相似度较高的被检索图像。
[0053](2)设置被检索图像的预设数量。当获取到该输入纹理图像的结构特征序列和纹理图像库中的每幅图像的结构特征序列的相似性距离后，将该输入纹理图像的结构特征序列和纹理图像库中的每幅图像的结构特征序列的相似性距离进行排序，按照排序的顺序获取预设数量的相似性距离，将与该预设数量的相似性距离对应的纹理图像库中的图像作为被检索图像。其中，被检索图像的预设数量用于指定返回的被检索图像的数量，该被检索图像的预设数量可以由技术人员在设计过程中进行设置，也可以由用户自行设置，对此，本发明实施例不作具体限定。该方法可以用于大型图像数据库检索，也可以用于小型图像数据库检索，对此，本发明实施例不做具体限定，优选地，该方法用于小型图像数据库的检索。
[0054]本发明实施例提供的纹理图像的检索方法，通过根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像；根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列；根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。采用本发明实施例提供的技术方案，通过使用结构模式图像进行特征提取，有效克服光照敏感性，提取的结构特征序列具有光照、平移、旋转、缩放和仿射不变性，较好地实现了图像检索。
[0055]图2a是本发明实施例中提供的一种纹理图像的检索方法流程图，本发明实施例的执行主体为具有图像处理能力的电子设备，如个人计算机、平板电脑、摄像设备或服务器等，参见图2a，该方法包括:
[0056]201:根据旋转不变局部二值模式算法对纹理图像数据库中的每幅图像进行处理，获取所述纹理图像数据库中的每幅图像对应的结构模式图像；
[0057]其中，该局部二值模式的计算公式如下所示:
【权利要求】
1.一种纹理图像的检索的方法，其特征在于，包括: 根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像； 根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列； 根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。
2.根据权利要求1所述一种纹理图像的检索的方法，其特征在于，根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取结构模式图像之前，所述方法包括: 根据旋转不变局部二值模式算法对纹理图像数据库中的每幅图像进行处理，获取所述纹理图像数据库中的每幅图像对应的结构模式图像； 根据脉冲耦合神经网络模型对所述纹理图像数据库中的每幅图像对应的结构模式图像进行特征提取，得到所述纹理图像数据库中的每幅图像的结构特征序列。
3.根据权利要求1所述一种纹理图像的检索的方法，其特征在于，根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像，所述方法包括: 根据所述输入纹理 图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列进行相似性度量，得到所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离； 根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取被检索纹理图像。
4.根据权利要求3所述一种纹理图像的检索的方法，其特征在于，根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取被检索纹理图像，所述方法包括: 根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取相似性距离排序后的相似性距离序列； 根据所述相似性距离序列，获取预设数量的被检索纹理图像。
5.一种纹理图像的检索的装置，其特征在于，包括: 第一结构模式图像获取模块，用于根据旋转不变局部二值模式算法对输入纹理图像进行处理，获取所述输入纹理图像的结构模式图像； 第一结构特征序列获取模块，用于根据脉冲耦合神经网络模型对所述输入纹理图像的结构模式图像进行特征提取，得到所述输入纹理图像的结构特征序列； 被检索纹理图像获取模块，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列，获取被检索纹理图像。
6.根据权利要求5所述一种纹理图像的检索的装置，其特征在于，包括: 第二结构模式图像获取模块，用于根据旋转不变局部二值模式算法对纹理图像数据库中的每幅图像进行处理，获取所述纹理图像数据库中的每幅图像对应的结构模式图像；第二结构特征序列获取模块，用于根据脉冲耦合神经网络模型对所述纹理图像数据库中的每幅图像对应的结构模式图像进行特征提取，得到所述纹理图像数据库中的每幅图像的结构特征序列。
7.根据权利要求5所述一种纹理图像的检索的装置，其特征在于，所述被检索纹理图像获取模块，包括: 相似性距离计算单元，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列进行相似性度量，得到所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离； 被检索纹理图像获取单元，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取被检索纹理图像。
8.根据权利要求7所述一种纹理图像的检索的装置，其特征在于，所述被检索纹理图像获取单元包括: 排序子单元，用于根据所述输入纹理图像的结构特征序列和纹理图像数据库中的每幅图像的结构特征序列的相似性距离，获取相似性距离排序后的相似性距离序列； 被检索纹理图像获取子单元，用于根据所述相似性距离序列，获取预设数量的被检索纹理图像。`
【文档编号】G06F17/30GK103605811SQ201310667580
【公开日】2014年2月26日 申请日期:2013年12月10日 优先权日:2013年12月10日
【发明者】徐光柱, 雷帮军, 李春林 申请人:三峡大学