专利名称：一种场景图像的全局结构信息特征的提取方法
技术领域：
本发明属于模式识别与信息处理技术领域，涉及数字图像的自动处理技术，尤其 涉及一种场景图像的全局结构信息特征的提取方法。
背景技术：
随着数码相机、摄像头、超高速扫描仪等各种图像获取设备的广泛应用以及互联 网的迅猛发展，数码图像的数量呈指数级增长，据不完全统计仅2004年就产生了超过180 亿的数码图像，而Google Image Search已经索引的图片更是数以亿计，因此如何将图像进 行有效的分类变得越来越重要。一个人通常可以识别10，000多个类别的视觉对象，而且识 别过程很快，毫不费力，对视角、光亮、遮挡和背景混淆也有很好的鲁棒性，并且识别一种新 的类别仅需要很少的监督和少量样本即可。因此，如何使计算机达到人类同等水平的类别 识别能力具有重要意义，这也成为计算机视觉领域的一个重要和热点问题之一。场景图像 分类的主要目标就是根据图像中包含的场景将图像分为不同的类别，例如卧室、起居室、商 店、海岸等。良好的视觉对象分类效果具有广泛的应用前景，可以广泛应用于图像检索、视 频分析、辅助驾驶、视频监控等等领域。不同于普通图像的分类问题主要取决于纹理特征的 好坏，场景图像的分类则主要取决于全局结构特征的描述性，因此一个区分度良好的全局 结构特征的设计是场景图像分类的关键。针对普通图像提取结构特征的问题，国内外的学者已经提出了很多算法，其中最 主要的方法还是基于物体轮廓的方法。一般的做法是先通过边缘检测获得物体的边缘信 息，然后通过联通域分析得到感兴趣区域的外围轮廓，最后统计得到的轮廓的位置及大小 来代表图像的结构特征。在此基础上，其它学者也提出了一些改进算法，这些改进算法针对 图像中多个轮廓会根据他们的相对位置关系通过数学模型如混合高斯模型等对多个轮廓 建立模型并形成模板，进而统计图像的结构特征。这种改进方法通常比只统计简单的轮廓 更加准确和有效，但也会增加计算复杂度，在需要实时计算的场合往往不能满足要求。与普 通图像不同，场景图像有其自身的固有特点，上述轮廓信息往往不能有效区分场景的类别， 至今还很少学者提出专门针对场景图像的全局结构特征，面对场景图像的分类，大多数已 提出的方法还是使用局部纹理特征进行分类。
发明内容
本发明的目的旨在提供一种用于场景图像分类的场景图像的全局结构信息特征 的提取方法，针对场景图像的特点，按照三个级别对场景图像进行划分并得到三个级别划 分对应的共31图像块；对图像块中每个像素的结构信息特征进行计算得到一个8维局部二 元模式特征；对8维局部二元模式特征进行量化得到并计算1维局部二元模式量化特征的 直方图，得到并对255维直方图特征进行主成份分析，得到40维直方图特征；计算8维局部 二元模式特征的直方图，得到并将8维直方图特征和40维直方图特征融合，得到31个图像 块的对应的48维结构信息特征进行融合，得到场景图像的全局结构信息特征。利用该特征可以描述场景图像的全局结构信息，从而达到提高场景图像的分类准确率。本发明适用于复杂的场景图像分类，具有一定的通用性和实用性。为达成上述目的，本发明是提供一种场景图像的全局结构信息特征的提取方法， 该提取方法的具体步骤如下步骤Al 使用场景图像读取模块读取场景图像，并使用灰度图像判断模块判断该 场景图像是否为彩色图像，若为彩色图像则使用灰度图像转换模块将彩色图像进行转换， 得到灰度图像，若为灰度图像则执行步骤A2 ；步骤A2 使用图像等级划分模块对灰度图像按照三个级别进行划分，得到第一级 划分、第二级划分和第三级划分对应的图像块，所述图像块为31个图像块；步骤A3 使用局部二元模式特征计算模块对图像块中每个像素的结构信息特征 进行计算，得到一个8维局部二元模式特征；步骤A4 使用局部二元模式特征量化模块对8维局部二元模式特征进行量化，得 到1维局部二元模式量化特征，并使用直方图计算模块计算1维局部二元模式量化特征的 直方图，得到255维直方图特征Hps ；使用主成分分析计算模块对255维直方图特征Hps进行 主成份分析，得到40维直方图特征Hp ；再使用直方图计算模块计算8维局部二元模式特征 的直方图，得到8维直方图特征Hb ；最后使用直方图特征融合模块将8维直方图特征Hb和 40维直方图特征Hp融合，得到一个图像块对应的48维结构信息特征Hf = (Hb, Hp)；步骤A5 使用计数模块判断31个图像块的48维结构信息特征Hf是否全部计算完 毕，若没有计算完毕，则重复步骤A3至步骤A4，若全部计算完毕，则执行步骤A6 ；步骤A6 使用结构信息特征融合模块对31个图像块的48维结构信息特征礼进行 融合，得到一幅图像的全局结构信息特征Hg = (Hfl, Hf31)。本发明与已有的用于场景图像全局结构特征相比，本发明的方法具有如下特点 本发明不仅计算速度快，而且可以有效的用于场景类别的分类，本发明考虑到现有的全局 结构信息特征提取时受噪声影响比较大的情况，在此基础上增加8维的方向直方图特征， 在不增加计算量的前提下，同时也会减少噪声的影响，从而提高整个系统的鲁棒性。
图1是本发明实施例的系统结构示意图；图2是本发明实现方案流程图；图3是本发明对场景图像的三级划分示意具体实施例方式为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本发明进一步详细说明。如图1示出本发明的系统结构示意图，实现本发明的系统结构所需的基本的硬件 条件为一台主频为2. 4GHz,内存为IG的计算机；所需软件条件为编程环境(Visual C++ 6. 0)，本发明的系统结构在计算机中实现，包括场景图像读取模块1、灰度图像判断模块 2、灰度图像转换模块3、图像等级划分模块4、局部二元模式特征计算模块5、局部二元模式 特征量化模块6、直方图计算模块7、主成分分析计算模块8、直方图特征融合模块9、计数模块10和结构信息特征融合模块11 ；场景图像读取模块1读取场景图像；灰度图像判断模块2与场景图像读取模块1 连接，灰度图像判断模块2接收场景图像，并判断并输出该场景图像的彩色图像或灰度图 像；灰度图像转换模块3与灰度图像判断模块2连接，灰度图像转换模块3接收彩色图像， 并将彩色图像转换成灰度图像；图像等级划分模块4分别与灰度图像判断模块2和灰度图 像转换模块3连接，图像等级划分模块4对灰度图像按照三个级别进行划分，得到第一级划 分、第二级划分和第三级划分为对应31个的图像块；局部二元模式特征计算模块5与图像 等级划分模块4连接，局部二元模式特征计算模块5对图像块中每个像素的结构信息特征 进行计算，得到一个8维局部二元模式特征；局部二元模式特征量化模块6与局部二元模式 特征计算模块5连接，局部二元模式特征量化模块6对8维局部二元模式特征进行量化，得 到1维局部二元模式量化特征；直方图计算模块7与局部二元模式特征量化模块6连接，直 方图计算模块7计算1维局部二元模式量化特征的直方图，得到255维直方图特征Hps ；主 成分分析计算模块8与直方图计算模块7连接，主成分分析计算模块8对255维直方图特 征Hps进行主成份分析，得到40维直方图特征Hp ；再使用直方图计算模块7计算8维局部 二元模式特征的直方图，得到8维直方图特征Hb;直方图特征融合模块9与主成分分析计算 模块8连接，直方图特征融合模块9将8维直方图特征Hb和40维直方图特征Hp融合，得到 一个图像块对应的48维结构信息特征Hf = (Hb, Hp)；计数模块10与直方图特征融合模块 9连接，计数模块10计算31个图像块的48维结构信息特征Hf，当Hf < 31，则输出未计算 完毕的图像块到局部二元模式特征计算模块5，Hf = 31时，则输出31个图像块的48维结 构信息特征Hf ；结构信息特征融合模块11与计数模块10连接，结构信息特征融合模块11 对31个图像块的48维结构信息特征Hf进行融合，得到一幅图像的全局结构信息特征Hg =
(Hfι ？ . . . ？ Hf31) ο如图2示出本发明是提供一种场景图像的全局结构信息特征的提取方法，该提取 方法的具体步骤如下步骤Al 使用场景图像读取模块1读取场景图像，并使用灰度图像判断模块2判 断该场景图像是否为彩色图像，若为彩色图像则使用灰度图像转换模块3将彩色图像进行 转换，得到灰度图像，若为灰度图像则执行步骤A2 ；步骤A2 使用图像等级划分模块4对灰度图像按照三个级别进行划分，得到第一 级划分、第二级划分和第三级划分对应的图像块，所述图像块为31个图像块；步骤A3 使用局部二元模式特征计算模块5对图像块中每个像素的结构信息特征 进行计算，得到一个8维局部二元模式特征；步骤A4 使用局部二元模式特征量化模块6对8维局部二元模式特征进行量化， 得到1维局部二元模式量化特征，并使用直方图计算模块7计算1维局部二元模式量化特 征的直方图，得到255维直方图特征Hps ；使用主成分分析计算模块8对255维直方图特征 Hps进行主成份分析，得到40维直方图特征Hp ；再使用直方图计算模块7计算8维局部二元 模式特征的直方图，得到8维直方图特征Hb ；最后使用直方图特征融合模块9将8维直方图 特征Hb和40维直方图特征Hp融合，得到一个图像块对应的48维结构信息特征Hf = (Hb, Hp)；步骤A5 使用计数模块10判断31个图像块的48维结构信息特征Hf是否全部计算完毕，若没有计算完毕，则重复步骤A3至步骤A4，若全部计算完毕，则执行步骤A6 ；步骤A6 使用结构信息特征融合模块对31个图像块的48维结构信息特征礼进行 融合，得到一幅图像的全局结构信息特征Hg = (Hfl，Hf31)。其中第一级划分对应的图像块的具体步骤如下步骤A211 首先对于灰度图像按照长宽比进行4X4的均勻划分，得到16个图像 块，如图3中第一级划分的实线所示；步骤A212 将灰度图像的四周各剪切掉1/8后，再对灰度图像按照长宽比进行 3 X 3的均勻划分，得到9个图像块，此时第一级划分共得到25个图像块，如图3中第一级划 分的虚线所示。其中第二级划分对应的图像块的具体步骤如下步骤A221 首先将灰度图像按照原始的长宽比缩小一倍，然后对于缩小后的图像 按照长宽比进行2X2的均勻划分，得到4个图像块，如图3中第二级划分的实线所示；步骤A222 将灰度图像四周各剪切掉1/4后，得到1个图像块，此时第二级划分共 得到5个图像块，如图3中第二级划分的虚线所示。其中第三级划分对应的图像块的具体步骤如下将灰度图像按照原始长宽比缩 小一倍，得到1个图像块，如图3中第三级划分的实线所示。其中获得8维局部二元模式特征的具体步骤如下步骤A31 首先定义图像块中像素&的8邻域像素为P”其中i = 1 8 ；步骤A32 比较像素&的灰度强度与8邻域像素的灰度强度，若& > Pp则记 为0，若P0 < Pi，则记为1，对每个像素，共得到8维局部二元模式特征Fb表示为:Fb = (fbl, f"b2' f"b3' f"b4' f"b5' f"b6' f"b7' f"b8)，f"bi — 或 1，土 — 1 8。其中步骤A4中8维局部二元模式特征量化的具体公式如下<formula>formula see original document page 6</formula>以上所述，仅为本发明中的具体实施方式
，但本发明的保护范围并不局限于此，任 何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在 本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
权利要求
一种场景图像的全局结构信息特征的提取方法，其特征在于该提取方法的具体步骤如下步骤A1使用场景图像读取模块读取场景图像，并使用灰度图像判断模块判断该场景图像是否为彩色图像，若为彩色图像则使用灰度图像转换模块将彩色图像进行转换，得到灰度图像，若为灰度图像则执行步骤A2；步骤A2使用图像等级划分模块对灰度图像按照三个级别进行划分，得到第一级划分、第二级划分和第三级划分对应的图像块，所述图像块为31个图像块；步骤A3使用局部二元模式特征计算模块对图像块中每个像素的结构信息特征进行计算，得到一个8维局部二元模式特征；步骤A4使用局部二元模式特征量化模块对8维局部二元模式特征进行量化，得到1维局部二元模式量化特征，并使用直方图计算模块计算1维局部二元模式量化特征的直方图，得到255维直方图特征Hps；使用主成分分析计算模块对255维直方图特征Hps进行主成份分析，得到40维直方图特征Hp；再使用直方图计算模块计算8维局部二元模式特征的直方图，得到8维直方图特征Hb；最后使用直方图特征融合模块将8维直方图特征Hb和40维直方图特征Hp融合，得到一个图像块对应的48维结构信息特征Hf＝(Hb，Hp)；步骤A5使用计数模块判断31个图像块的48维结构信息特征Hf是否全部计算完毕，若没有计算完毕，则重复步骤A3至步骤A4，若全部计算完毕，则执行步骤A6；步骤A6使用结构信息特征融合模块对31个图像块的48维结构信息特征Hf进行融合，得到一幅图像的全局结构信息特征Hg＝(Hf1，...，Hf31)。
2.根据权利要求1所述的场景图像的全局结构信息特征的提取方法，其特征在于第 一级划分对应的图像块的具体步骤如下步骤A21 首先对于灰度图像按照长宽比进行4X4的均勻划分，得到16个图像块； 步骤A21 将灰度图像的四周各剪切掉1/8后，再对灰度图像按照长宽比进行3X3的 均勻划分，得到9个图像块，此时第一级划分共得到25个图像块。
3.根据权利要求1所述的场景图像的全局结构信息特征的提取方法，其特征在于第 二级划分对应的图像块的具体步骤如下步骤A21 首先将灰度图像按照原始的长宽比缩小一倍，然后对于缩小后的图像按照 长宽比进行2X2的均勻划分，得到4个图像块；步骤A22 将灰度图像四周各剪切掉1/4后，得到1个图像块，此时第二级划分共得到5 个图像块。
4.根据权利要求1所述的场景图像的全局结构信息特征的提取方法，其特征在于第 三级划分对应的图像块的具体步骤如下将灰度图像按照原始长宽比缩小一倍，得到1个 图像块。
5.根据权利要求1所述的场景图像的全局结构信息特征的提取方法，其特征在于获 得8维局部二元模式特征的具体步骤如下，步骤A31 首先定义图像块中像素&的8邻域像素为P”其中i = 1 8 ； 步骤A32 比较像素&的灰度强度与8邻域像素Pi的灰度强度，若& > Pp则记为0， 若P。< P"则记为1，对每个像素，共得到8维局部二元模式特征Fb表示为:Fb = (fbl，fb2， fb3' fb4' fb5' fb6' fb7' fb8)，fbi — 0 或 1，土 — 1 8。
全文摘要
本发明公开一种场景图像的全局结构信息特征的提取方法，包括步骤如下读取场景图像并判断是否为彩色图像，若为彩色图像则进行转换得到灰度图像，若为灰度图像则对灰度图像按照三个级别进行划分并得到三个级别划分对应的共31图像块；对图像块中每个像素的结构信息特征进行计算得到一个8维局部二元模式特征；对8维局部二元模式特征进行量化得到并计算1维局部二元模式量化特征的直方图，得到并对255维直方图特征进行主成份分析，得到40维直方图特征；计算8维局部二元模式特征的直方图，得到并将8维直方图特征和40维直方图特征融合，得到31个图像块的对应的48维结构信息特征进行融合，得到一幅图像的全局结构信息特征。
文档编号G06K9/46GK101799872SQ20101014449
公开日2010年8月11日 申请日期2010年4月12日 优先权日2010年4月12日
发明者李心洁, 王春恒, 程刚, 肖柏华 申请人:中国科学院自动化研究所