图像特征的显著结构和相关结构融合方法
【专利摘要】图像特征的显著结构和相关结构融合方法，包括图像的HOG特征和LBP特征的提取步骤、样本集内部图像特征的显著结构的度量步骤、样本集之间图像特征的相关结构的度量步骤和显著结构和相关结构融合映射步骤。本发明首先提取图像的HOG特征和LBP特征，然后用χ2测度度量样本集内部图像特征的显著结构，用典型相关度量样本集之间图像特征的相关结构的度量，最终通过矩阵谱优化求解的方法融合结构，获得融合后的特征集，解决了现有技术无法将图像多特征的显著结构和相关结构融合的问题，并获得了判别能力强的结构融合特征。
【专利说明】图像特征的显著结构和相关结构融合方法
【技术领域】
[0001]本发明属于视频监控图像处理方法【技术领域】，涉及一种图像HOG特征和LBP特征的显著结构和相关结构融合方法。
【背景技术】
[0002]近年来，基于内容分析的智能监控系统的应用越来越多，要智能分析和识别目标，图像的描述与认知是要解决的重要问题，因为图像描述的多样性和多特征结构观测的多样性，使得单一观测多特征结构难以完整的描述图像的本质结构。现有技术无法进行图像多特征的显著结构和相关结构融合，进而无法更加准确的表征图像特征。
【发明内容】
[0003]本发明的目的在于提供一种图像特征的显著结构和相关结构融合方法，解决现有技术存在的图像多特征的显著结构和相关结构难以融合的问题，最终获得判别能力强的结构融合特征。
[0004]本发明采用的技术方案为，图像特征的显著结构和相关结构融合方法，包括以下步骤:
[0005]步骤I，图像的HOG特征和LBP特征的提取；
[0006]步骤2，样本集内 部图像特征的显著结构的度量；
[0007]步骤3，样本集之间图像特征的相关结构的度量；
[0008]步骤4，显著结构和相关结构融合映射。
[0009]本发明的特点还在于:
[0010]上述步骤1，图像的HOG特征和LBP特征的提取方法如下:
[0011]图像的HOG特征提取，设I为灰度图像，I (X，y)为I在坐标(x，y)处的像素值，图像归一化如式(I)所示:
[0012]I (x, y) = I (x, y)1/2(I)
[0013]计算图像的梯度如式(2)所示。
[0014]Gx (x, y) = I (x+1, y) -1 (χ-l, y)
[0015]Gy (x, y) = I (x, y+1) -1 (x, y-1)
[0016]G(x, v) = ^Gx(x,yf +Gv(x,yf(2 )
【权利要求】
1.图像特征的显著结构和相关结构融合方法，其特征在于，包括以下步骤: 步骤1，图像的HOG特征和LBP特征的提取； 步骤2，样本集内部图像特征的显著结构的度量； 步骤3，样本集之间图像特征的相关结构的度量； 步骤4，显著结构和相关结构融合映射。
2.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤1，图像的HOG特征和LBP特征的提取方法如下: 图像的HOG特征提取，设I为灰度图像，I (X，y)为I在坐标(x，y)处的像素值，图像归一化如式(I)所示:
I(x, y) = I (x, y)1/2(I) 计算图像的梯度如式(2)所示:
3.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤2，样本集内部图像特征的显著结构的度量方法如下: 因为选取的HOG特征和LBP特征描述都是分布特征，而且分布值特征因旋转变换产生周期性平移，欧氏距离不能直接测度偏移的分布值特征，所以选用χ 2测度；m个图像样本，根据步骤1，m个图像的HOG特征和LBP特征集表示为Xl = [Xl1, xl2，...，xlm]T和X2 =[x21； x22, x2m]T,图像的HOG特征的显著结构度量为dxl (Xli, XljO1Xli和xl」为图像i和图像j的HOG特征表征；图像的LBP特征的显著结构度量为dX2 (x2i, x2j)，^和x2」为图像i和图像j的LBP特征表征，它们分别由下式计算:
4.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤3，样本集之间图像特征的相关结构的度量方法如下:
两个特征集表示为X1 = [X11, Xl2,...，XlnJ 和x2 = [x2l, X22....，XaJ T，那么两个特征集间的相关结构度量S (X1, X2)表示为典型相关性的和，如下式所示，
5.如权利要求1所述的图像特征的显著结构和相关结构融合方法，其特征在于，所述步骤4，显著结构和相关结构融合映射的方法如下: 定义Xl = [Xl1, Xl2,...，xljτ和Χ2 = [x21； x22,..., x2m]T特征显著结构测度相似矩阵，以步骤2中的式(4)代入式(7)，式(5)代入式(8)分别计算度量的相似矩阵为Wl =Iffli, j}和 W2 = {W2i；J} (i = 1, 2,..., m j = 1, 2,..., m),如下式:
6.如权利要求5所述的图像特征的显著结构和相关结构融合方法，其特征在于，P1和P2被P1Rr1和 P2IV1正规化，R1和R2分别为AtP1和AtP2的QR分解上三角矩阵。
【文档编号】G06T5/50GK103903238SQ201410107862
【公开日】2014年7月2日 申请日期:2014年3月21日 优先权日:2014年3月21日
【发明者】蔺广逢, 缪亚林, 陈万军, 陈亚军, 张二虎, 朱虹 申请人:西安理工大学