技术领域本发明涉及图像处理领域，具体的说是一种基于LBP的图像特征提取方法。
背景技术：
图像的纹理信息是目标的特有属性，能够表征目标的固有特征。目前，图像的纹理特征提取成为了模式识别和机器学习领域研究的重点内容。常用的纹理特征提取方法主要有：基于统计的方法、模型的方法、滤波的方法等。局部二进制模式(LocalBinarypattern)是目前应用较广泛的纹理特征提取方式。它是一种局部纹理描述算子，有较好的纹理表达能力。其计算过程为：以3*3窗口为例，将窗口中心像素点与周围相邻像素点的灰度值相比较，大于或等于中心像素值得置1，反之置0，按照顺时针(或逆时针)的方向将得到的二进制编码排列，计算转换成十进制。LBP的纹理特征方法虽然成熟适用广泛，其自身存在着缺陷。例如，复杂背景、目标表征信息不清晰，造成模式识别的困难。针对同一图片的不同尺寸，采用不同尺度的LBP算子，提取计算同一图片每一个尺寸、每一个尺度LBP特征；组合所有尺寸图片的所有尺度特征，得到最终要提取的图像LBP特征。在组合的过程中，由于不同尺度算子组成的二进制编码数量级不同，容易忽略部分重要信息。
技术实现要素：
针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一种基于LBP的图像特征提取方法，能够有效地改善LBP纹理特征提取的现存问题。本发明为实现上述目的所采用的技术方案是：一种基于LBP的图像特征提取方法，包括以下步骤：将经过预处理的图片，取其三个尺寸图片：原图片、1/2尺寸图片、1/4尺寸图片；分别采用尺度为3*3和5*5的LBP算子，计算原图片尺寸、1/2尺寸、1/4尺寸的LBP特征；将上述得到的LBP特征组合在一起，构成特征向量。所述原图片通过相邻像素相加求均值的方式获得1/2尺寸图片，具体为：在原图像中，以2*2像素为单位，求取像素均值，得到1/2尺寸图片中的对应像素点。所述1/2尺寸图片通过相邻像素相加求均值的方式获得1/4尺寸图片，具体为：在1/2图像中，以2*2像素为单位，求取像素均值，得到1/4尺寸图片中的对应像素点。所述采用尺度为3*3的LBP算子计算LBP特征，包括以下步骤：将当前中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于当前中心像素点的像素值时，记为1；小于当前中心像素点的像素值时，记为0；按照顺序获得二进制编码；根据所示二进制编码获得十进制的LBP特征。所述顺序为顺时针或逆时针，在同一图像处理中保持相同的顺序。所述采用尺度为5*5的LBP算子计算LBP特征，包括以下步骤：在5*5图像的外围像素点中，将每两个相邻像素点划分为一组；取每组像素点的均值；将所述均值作为3*3图像的外围像素点，将5*5图像的中心像素点作为3*3图像的中心像素点；将中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于中心像素点的像素值时，记为1；小于中心像素点的像素值时，记为0；按照顺序获得二进制编码；根据所示二进制编码获得十进制的LBP特征。所述采用尺度为5*5的LBP算子计算LBP特征，包括以下步骤：在5*5图像的外围像素点中，将每三个相邻像素点划分为一组，每组中的前后两个像素点与相邻组重合；取每组像素点的均值；将所述均值作为3*3图像的外围像素点，将5*5图像的中心像素点作为3*3图像的中心像素点；将中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于中心像素点的像素值时，记为1；小于中心像素点的像素值时，记为0；按照顺序获得二进制编码；根据所示二进制编码获得十进制的LBP特征。本发明具有以下优点及有益效果：1.本发明提出两种基于相邻像素点取均值的方法重新计算二进制编码，使不同尺度LBP算子具有相同的数量级，共同完善地表达样本特征。2.本发明能够实现对图片纹理信息的完整表达，能够为后续的分类识别等工作提供较高的精度。附图说明图1为传统的LBP特征计算过程示意图；图2为本发明的方法流程图；图3为5*5的LBP算子的二进制特征提取方法实施例示意图；图4为本发明与现有技术的结果对比图。具体实施方式下面结合附图及实施例对本发明做进一步的详细说明。如图1所示，为传统的LBP特征计算过程(以3*3尺度算子为例)，其实质为当前中心像素点与周围像素点的比较信息。将当前中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于当前中心像素点的像素值的记为1，小于当前中心像素点的像素值的则记为0。按照顺序(顺时针或逆时针，同一处理中保持相同的顺序)获得二进制编码，图1中Pattern＝11110001，LBP＝1+16+32+64+128＝241。如图2所示。以图中情况为例，将经过预处理的图片，取其三个尺寸：原图片尺寸、1/2尺寸、1/4尺寸，分别采用尺度为3*3和5*5的LBP算子，计算LBP特征，最后组合在一起，构成长的特征向量。原图片的尺寸获得可以通过双线性插值实现，本文为了方便，采用相邻像素相加的方式改变尺寸大小，这样既节约了计算时间，又不影响效果。5*5LBP算子计算特征采用图3中的方法，有效地完整地保留了有用信息。本发明欲通过多个尺度算子来完整地表达图像的纹理信息，若所选尺度算子分别为3*3模板和5*5模板，显而易见地，3*3模板编码计算出的最大值为256，而5*5模板编码计算出的最大值则为65536。这样，两种尺度特征提取结果差异过大，会造成小尺度所提取的特征丢失。为了防止由于尺度算子选择不同造成的数量级巨大差异以致丢失有用信息，该发明采用如图3的计算方式，提取LBP特征，(算法说明以3*3和5*5尺度模板为例)，即计算相邻两个像素或三个像素的均值(有一个像素点重复使用)，再将均值与当前中心像素点作比较，获得二进制编码，计算特征量。这样，两种尺度算子放在一起，不会丢失有用信息，反而全方面地、更加完整地体现了原始图像的纹理信息，利于识别。如图4所示，图4(a)表示改进算法前，将3*3和5*5LBP算子组合在一起，可以发现：两者计算出的特征值差异大，不利于图片特征的提取；改进算法后，如图4(b)所示，特征值处于相同的范围，信息处于平等状态，未被忽略，因而更合理。