一种目标外观的局部图像特征描述方法
【技术领域】
[0001] 本发明涉属于图像处理领域，确切地说是一种目标外观的局部图像特征描述方 法。
【背景技术】
[0002] 利用计算机视觉和图像处理技术，对视频图像进行实时处理，对关注目标实现检 测和跟踪。图像中包含目标的形状、大小、姿态、灰度、纹理、运动等多种特征信息，而随场景 变化与目标运动，目标的图像特征可能变化很大，采用单一特征进行目标检测往往很难奏 效，比如采用互相关模板匹配，当目标与背景变化较大时，不更新模板必然会识别失败，模 板更新不当造成漂移也会导致识别失败，究其原因是特征辨别能力下降所致。目前对目标 特征提取有很多方法，各个方法都有一些条件限制，对多变的应用环境，往往效果不佳，特 征不明显。
【发明内容】
[0003] 为解决上述问题，本发明的目的是提供一种目标外观的局部图像特征描述方法。
[0004] 本发明为实现上述目的，通过以下技术方案实现：一种目标外观的局部图像特征 描述方法，其特征在于：包括下述步骤：①将图像区域R分为背景图像区域和目标图像区 域，每个图像区域R分别获得特征直方图，特征直方图为灰度直方图H(n)、方向梯度直方图 H(n)和纹理直方图H(n);②将步骤①得到的每种特征直方图分别进行归一化处理，得到 每种特征直方图的类条件概率密度分布，其中背景图像区域的特征直方图的类条件概率密 度分布为ρ/(η)，目标图像区域的特征直方图的类条件概率密度分布为pbf (η);③将步骤 ②得到ρ/(η)和pbf (η)按照式（1)计算获得每种特征的似然Lf (η)
(1)，式中ε为正实数。
[0005] 为进一步实现本发明的目的，还可以采用以下技术方案：所述的灰度直方图Η(η) 按照式（2)计算获得：
（2)式（2)中，i为像素编号，R为目标 或背景区域，f为灰度取值，S为狄拉克函数。
[0006] 所述的方向梯度直方图H(n)按照式（3)计算获得：
(3)式（3)中，i为像素编号，R为目标或背景区域，f为梯度方向取值，A为梯度幅度取值，δ为狄拉克函数。
[0007] 所述的纹理直方图Η(η)按照式（4)计算获得：
式 (3)中，i为像素编号，R为目标或背景区域，f为纹理特征LBPw的取值，δ为狄拉克函数； 其中纹理特征LBPw按照式（5)计算获得：
（5)式（5)中，i 为像素编号，在以像素c为中心的8邻域内由左至右逆时针取值，81与g。为像素i与c的 灰度取值，I为单位指示函数。
[0008] 本发明的优点在于：本发明目标识别视为目标与背景像素的二分类，根据类条件 概率密度构造特征似然作为区分目标与背景像素的置信度，在线训练最优判别分类器，有 效地区分目标与背景。根据情况不同，似然Lf(n)较大正值表示更可能是目标，较小负值表 示更可能是背景，接近于零则表示不确定。本发明将目标跟踪视为二分类问题，采用局部图 像特征，如灰度、方向梯度与局部二值模式描述（即纹理）目标外观，由类条件概率密度构造 特征似然，作为区分目标与背景像素的置信度，通过调整置信度的阈值可以在不同环境下， 实现目标与背景的优化分离。对视频的目标跟踪实验结果表明，本发明方法在背景光照、目 标姿态变化及局部被遮挡等情况下特征提取稳定性良好。
【附图说明】
[0009] 图1是实施例原始状态图；图2是实施例背景图像区域和目标图像区域结合灰度 直方图；图3是实施例背景图像区域和目标图像区域结合方向梯度直方图线；图4是实施 例背景图像区域和目标图像区域结合的纹理直方图；图5是实施例灰度似然分布图；图6 是实施例方向梯度似然分布图；图7是实施例纹理似然分布图；图8是实施例灰度似然图 像；图9是实施例方向梯度似然图像；图10是实施例纹理似然图像；图11是实施例特征融 合图像。
【具体实施方式】
[0010] 实施例： 一种目标外观的局部图像特征描述方法，其特征在于：包括下述步骤： ①将图像区域R分为背景图像区域和目标图像区域，如图1所示，图1为原始图像，图 中框A为背景区域，框B为目标区域。背景区域和目标区域分别获得特征直方图，特征直方 图为灰度直方图H(n)、方向梯度直方图H(n)和纹理直方图H(n)。
[0011] 灰度直方图H(n)按照式（2)计算获得，将背景图像区域和目标图像区域结合至同 一直方图中，结果如图2所示，其中A为背景图像区域灰度直方图线，B为目标图像区域灰度 直方图线
：2)式（2)中，i为像素编号，R为目标或背景区域，f 为灰度取值，S为狄拉克函数。方向梯度直方图H(n)按照式（3)计算获得，将背景图像区 域和目标图像区域结合至同一直方图中，结果如图3所示,?:中A为昔景图像区域方向梯度 直方图线，B为目标图像区域方向梯度直方图线：
〔3)式（3)中， i为像素编号，R为目标或背景区域，f为梯度方向取值，A为梯度幅度取值，δ为狄拉克函 数。
[0012] 的纹理直方图Η(η)按照式（4)计算获得，将背景图像区域和目标图像区域结合至 同一直方图中，结果如图4所示，其中A为背景图像区域纹理直方图线，B为目标图像区域 纹理直方图线：
）式（4)中，i为像素编号，R为目标或背景区 ±或，f为纹理特征LBPsa的取值，δ为狄拉克函数；其中纹理特征LBPS>1按照式（5)计算获 7 得：
（5)式（5)中，i为像素编号，在以像素c为中心的8邻域 内由左至右逆时针取值，^与g。为像素i与c的灰度取值，I为单位指示函数。②将步骤 ①得到的每种特征直方图分别进行归一化处理，得到每种特征直方图的类条件概率密度分 布，灰度似然分布如图5所示，方向梯度似然分布如图6所示，纹理似然分布如图7所示。
[0013] 其中背景图像区域的特征直方图的类条件概率密度分布为Pc]f (η)，目标图像区域 的特征直方图的类条件概率密度分布为pbf(n);③将步骤②得到ρ/(η)和pbf(n)按照式 (1)计算获得每种特征的似然Lf (η))，式中ε为正实数，ε任取 很小的正实数，以避免对零取对数。通过该处理
，将目标与背景特征多峰分布转变为用于分 类的特征似然Lf (η)，较大正值表示更可能是目标，较小负值表示更可能是背景，接近于零 则表示不确定。
[0014] 根据不同特征的似然分布可以获得灰度似然图像、方向梯度似然图像、纹理似然 图像，分别如图8、图9和图10,其中图中框Α为背景区域，框Β为目标区域。由图可见，各 个特征区分目标与背景的能力不同，特征融合图像(如图11所示)中目标与背景区分度更明 显。
[0015] 本发明的技术方案并不限制于本发明所述的实施例的范围内。本发明未详尽描述 的技术内容均为公知技术。
【主权项】
1. 一种目标外观的局部图像特征描述方法，其特征在于：包括下述步骤：①将图像区 域R分为背景图像区域和目标图像区域，每个图像区域R分别获得特征直方图，特征直方图 为灰度直方图H(n)、方向梯度直方图H(n)和纹理直方图H(n);②将步骤①得到的每种特 征直方图分别进行归一化处理，得到每种特征直方图的类条件概率密度分布，其中背景图 像区域的特征直方图的类条件概率密度分布为p/(η)，目标图像区域的特征直方图的类条 件概率密度分布为 Pbf (η);③将步骤②得到p/(η)和Pbf (η)按照式（1)计算获得每种特征 的似然Lf (η);,式中ε为正实数。2. 根据权利要求1所述的一种目标外观的局部图像特征描述方法，其特征在于：所述 的灰度直方图Η(η)按照式（2)计算获得：> 式（2)中，i为像素编 号，R为目标或背景区域，f为灰度取值，S为狄拉克函数。3. 根据权利要求1所述的一种目标外观的局部图像特征描述方法，其特征在于：所述 的方向梯度直方图H(n)按照式（3)计算获得：式（3)中，i为 像素编号，R为目标或背景区域，f为梯度方向取值，A为梯度幅度取值，δ为狄拉克函数。4. 根据权利要求1所述的一种目标外观的局部图像特征描述方法，其特征在于：所述 的纹理直方图Η(η)按照式（4)计算获得：式（3)中，i为像素编号，R为目标或背景区域，f为纹理特征LBPsm的取值，δ为狄拉克函数；其中纹理特征 LBPsm按照式（5)计算获得：式（5)中，i为像素编号，在 以像素 c为中心的8邻域内由左至右逆时针取值，81与g。为像素 i与c的灰度取值，I为 单位指示函数。
【专利摘要】一种目标外观的局部图像特征描述方法，包括下述步骤：①将图像区域R分为背景图像区域和目标图像区域，每个图像区域R分别获得特征直方图，特征直方图为灰度直方图H(n)、方向梯度直方图H(n)和纹理直方图H(n)；②将步骤①得到的每种特征直方图分别进行归一化处理，得到每种特征直方图的类条件概率密度分布，其中背景图像区域的特征直方图的类条件概率密度分布为pof(n)，目标图像区域的特征直方图的类条件概率密度分布为pbf(n)；③将步骤②得到pof(n)和pbf(n)按照式（1）计算获得每种特征的似然Lf(n)；（1），式中ε为正实数。
【IPC分类】G06K9/46
【公开号】CN105426893
【申请号】CN201510735126
【发明人】李猷民, 王振河, 庄杰, 李岐, 沈敏, 李天鹏, 毛琨, 冯迎春, 张雷, 王安山, 刘丙伟, 孙兆国
【申请人】国家电网公司, 国网山东省电力公司检修公司
【公开日】2016年3月23日
【申请日】2015年11月3日