纹理图像的特征提取方法和系统与流程
本发明涉及图像处理技术领域，尤其是一种纹理图像的特征提取方法和系统。
背景技术：
在计算机视觉和数字图像处理中，纹理图像的特征提取一项非常重要的基础性工作，在分析自然图像的应用研究中也占有非常重要的地位。
近年来，局部二值模式(localbinarypattern，简称lbp)的特征提取方法在纹理分析和人脸识别应用中取得了显著的成果。由于该方法具有原理相对简单、计算复杂度低、旋转不变性和灰度不变性等显著优点，因而被广泛地应用于纹理分类、图像检索、人脸识别、行人和汽车目标的检测与跟踪、生物和医学图像分析、遥感图像分析等领域。进一步地，多尺度lbp的特征提取方法相对于单尺度lbp的特征提取方法考虑了更多的局部信息，具有更高的识别率，而且分为串联模式和联合模式。
在串联模式处理时，假设不同尺度lbp的特征提取过程之间是相互独立的，然而由于自然图像的连续性，使得独立性假设实际并不成立，这样就会导致在串联模式下多尺度lbp的特征提取方法具有较高的冗余性，使得特征的识别率受到一定限制。在联合模式下处理时，多尺度lbp的特征提取方法能够保持不同尺度之间特征的相关性，因此相比于串联模式下多尺度lbp的特征提取方法，具有更高的识别率。但是，在联合模式下多尺度lbp的特征提取方法得到的特征维数与尺度个数是成指数函数关系的，尺度越大，所提取特征的维度越高，且具有较高的冗余性，影响特征的可辨别性。
技术实现要素：
针对以上缺陷，本发明提供一种纹理图像的特征提取方法和系统，可以降低特征维度和冗余性，提高特征的可辨别性。
第一方面，本发明提供的特征提取方法包括：
对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，得到该像素在不同半径尺寸的圆形邻域上的局部二值模式特征；
统计所述纹理图像中除边缘像素之外的各个像素在不同半径尺寸的圆形邻域上的局部二值模式特征，形成联合直方图；
按照预设的降维阈值提取出所述联合直方图中主对角线上的各个局部二值模式特征，所述降维阈值用于确定在所述主对角线上的特征提取宽度。
可选的，采用以下公式提取出所述联合直方图中主对角线上的各个局部二值模式特征：
其中，xi为所述联合直方图中第i维坐标上的局部二值模式特征，xj为所述联合直方图中第j维坐标上的局部二值模式特征，i、j均为大于等于1且小于等于n的正整数，n为圆形邻域上采样点的个数与2的和，t为所述降维阈值。
可选的，该方法还包括：
将所述联合直方图中非主对角线上的各个局部二值模式特征合并为一个特征，并提取出合并得到的特征。
可选的，该方法还包括：
计算所述纹理图像中除边缘像素之外的每一像素的全局特征；
将各个全局特征、所述联合直方图中主对角线上的各个局部二值模式特征及对所述联合直方图中非主对角线上的各个局部二值模式特征合并得到的特征按照预设算法结合。
可选的，采用以下公式计算所述纹理图像中除边缘像素之外的每一像素的全局特征：
其中，clbp为所述纹理图像中除边缘像素之外的一个像素的全局特征，gc为该像素的灰度值，
可选的，所述对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，包括：
将所述纹理图像中除边缘像素之外的每一个像素作为中心像素，针对每一中心像素执行：
以该中心像素为圆心，在不同半径尺寸的圆形邻域上进行均匀采样；
将在不同半径尺寸的圆形邻域上的各个采样点的灰度值分别与该中心像素点的灰度值作差；
对得到的各个差值进行编码，得到该中心像素在不同半径尺寸上的局部二值模式特征。
可选的，所述在不同半径尺寸的圆形邻域上进行均匀采样，包括：
在半径尺寸小于预设值的圆形邻域上均匀选取第一数量的采样点；
在半径尺寸大于或等于预设值的圆形邻域上均匀选取第二数量的采样点，计算所述第二数量的采样点中每相邻的n个采样点的灰度值均值；并将计算得到的每一个灰度值均值作为一个采样点的灰度值，得到所述第一数量的采样点的灰度值；
其中，所述第二数量为所述第一数量的n倍，n为正整数。
可选的，所述在不同半径尺寸的圆形邻域上进行均匀采样，包括：
在采样时，对未落至像素点阵格子上的采样点的灰度值采用邻近的多个像素点阵格子上像素的灰度值进行双线性差值得到。
第二方面，本发明提供的特征提取系统包括：
编码模块，用于对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，得到该像素在不同半径尺寸的圆形邻域上的局部二值模式特征；
统计模块，用于统计所述纹理图像中除边缘像素之外的各个像素在不同半径尺寸的圆形邻域上的局部二值模式特征，形成联合直方图；
降维模块，用于按照预设的降维阈值提取出所述联合直方图中主对角线上的各个局部二值模式特征，所述降维阈值用于确定在所述主对角线上的特征提取宽度。
可选的，该系统还包括：
特征合并模块，用于将所述联合直方图中非主对角线上的各个局部二值模式特征合并为一个特征，并提取出合并得到的特征。
根据以上技术方案，本发明通过提取所述联合直方图中主对角线上的各个局部二值模式特征的方式实现降维，降低特征维数，提高特征的可辨识性。同时，由于数目较少的特征对纹理分类贡献很小的特征，产生一定的冗余性，本发明对这些这些贡献很小的特征合不予考虑，降低冗余性。
附图说明
通过参考附图会更加清楚的理解本发明的特征信息和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了根据本发明一实施例纹理图像的特征提取方法的流程示意图；
图2示出了一中心像素在两个半径尺寸的圆形邻域上各个采样点的灰度的示意图；
图3示出了一中心像素在两个半径尺寸的圆形邻域上局部二值模式特征之间汉明距离的柱形图；
图4示出了对一纹理图像在两个半径尺寸的圆形邻域上局部二值模式特征进行统计得到的联合直方图；
图5示出了图4的联合直方图所转换成的统计平面图；
图6示出了半径尺寸大于预设值时的采样过程示意图；
图7示出了根据本发明一实施例纹理图像的特征提取系统的结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提供一种纹理图像的特征提取方法，如图1所示，包括：
s1、对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，得到该像素在不同半径尺寸的圆形邻域上的局部二值模式特征；
s2、统计所述纹理图像中除边缘像素之外的各个像素在不同半径尺寸的圆形邻域上的局部二值模式特征，形成联合直方图；
s3、按照预设的降维阈值提取出所述联合直方图中主对角线上的各个局部二值模式特征，所述降维阈值用于确定在所述主对角线上的特征提取宽度。
由于以除边缘像素的一像素在不同尺度上局部二值模式特征具有相似性，因此在根据局部二值模式特征所建立的联合直方图具有稀疏性，而且特征主要分布在联合直方图的主对角线上。基于以上原理，本发明通过提取所述联合直方图中主对角线上的各个局部二值模式 特征的方式实现降维，降低特征维数，提高特征的可辨识性。同时，由于数目较少的特征对纹理分类贡献很小的特征，产生一定的冗余性，本发明对这些这些贡献很小的特征合不予考虑，降低冗余性。
为了便于理解，下面本发明对本发明基于的局部二值模式特征相似性和联合直方图稀疏性进行简要说明：
首先，通过下式计算一像素为中心像素在半径尺寸为r1、r2的圆形邻域上局部二值模式特征之间的汉明距离：
其中，gc为该中心像素的灰度值，
然后，对该中心像素在半径尺寸为r1、r2的圆形邻域上局部二值模式特征进行统计，形成图4所示出的联合直方图。从该联合直方图中可以看出联合直方图具有稀疏性，特征主要分布在主对角线上。另外，将该联合直方图转换图5所示出的统计平面图，该平面图也具有这样的性质。
在具体实施时，可以采用以下公式提取出所述联合直方图中主对角线上的各个局部二值模式特征：
其中，xi为所述联合直方图中第i维坐标上的局部二值模式特征， xj为所述联合直方图中第j维坐标上的局部二值模式特征，i、j均为大于等于1且小于等于n的正整数，n为圆形邻域上采样点的个数与2的和，t为所述降维阈值。
这里，提供了一种具体的特征提取算法，通过该算法对特征进行提取，快速、方便。
在实际应用时，在编码之后的局部二值模式特征在0-10之间，以图5示出的统计平面图为例，当降维阈值越大，在主对角线上提取特征的宽度越大，提取出的特征越多，则维数降低的越少，当t＝8时，相当于没有进行降维。在实际中根据降维的需要，设置合适的降维阈值，进行合理的降维。
根据降维阈值降维后的特征维数为t的多项式函数，例如，对于一个三尺度的联合直方图来说，该多项式函数为：
dim(t)＝-2t3+24t2+26t+281
在未降维时的特征维数为1000，在outex_tc10上能得到98.54％的分类准确率，若采用t＝3进行降维后得到的特征维数为521，尽管进行了降维，但实践证明在outex_tc10上能得到98.56％的分类准确率。可见，提高了分类准确率，从而验证了由于降维可以提高特征的辨识性。
从图5中可以看出，对于x1＝10、x2＝10的特征，其数目不算太少，如果直接忽略的话，很可能提取的特征存在缺失，不能全面表达整个图像。为避免这一问题，本发明提供的特征提取方法还可以包括：
将所述联合直方图中非主对角线上的各个局部二值模式特征合并为一个特征，并提取出合并得到的特征。
这里，将非主对角线上的各个局部二值模式特征合并，然后提取出来，作为纹理图像的一个特征，以弥补特征存在缺失的问题。
在具体实施时，本发明提供的特征提取方法还可以包括：
计算所述纹理图像中除边缘像素之外的每一像素的全局特征；
将各个全局特征、所述联合直方图中主对角线上的各个局部二值模式特征及对所述联合直方图中非主对角线上的各个局部二值模式特征合并得到的特征按照预设算法结合。
由于局部二值模式特征仅为局部特征，不能很好的表达图像的全部信息，将主对角线上提取出的局部二值模式特征、非主对角线上合并后的特征及全局特征结合，以使特征性质得到补充，进一步提高特征的可辨识性。
其中，可以采用以下公式计算所述纹理图像中除边缘像素之外的每一像素的全局特征：
其中，clbp为所述纹理图像中除边缘像素之外的一个像素的全局特征，gc为该像素的灰度值，
根据该计算公式可知，纹理图像中除边缘像素之外的各个像素的全局特征不是0，就是1，因此形成一个由0、1形成的全局特征序列。将该特征表与主对角线上提取出的局部二值模式特征、非主对角线上合并后的特征进行结合时，一般采用增加一个坐标维度的方式，例如对一纹理图像提取二尺度的局部二值模式特征，可以形成一个具有两个特征坐标维度的统计平面图，例如图5中的x1、x2。当增加全局变量后，相当于增加了一个特征坐标维度x3，形成一个具有三个特征坐标维度的统计三维立体图。而且，一般情况下一般对0、1形成的全局特征序列进行一定的映射，将原来的0映射为1，将原来的1映射为2，然后再进行统计，形成三维立体图。
在具体实施时，s1的具体过程可以包括：
将所述纹理图像中除边缘像素之外的每一个像素作为中心像素，针对每一中心像素执行：
以该中心像素为圆心，在不同半径尺寸的圆形邻域上进行均匀采样；
将在不同半径尺寸的圆形邻域上的各个采样点的灰度值分别与该中心像素点的灰度值作差；
对得到的各个差值进行编码，得到该中心像素在不同半径尺寸上的局部二值模式特征。
例如，以某一中心像素为圆心，在半径为r1的圆形邻域上均匀选择8个采样点，然后计算这8个采样点的灰度值分别与中心像素的灰度值作差，得到8个灰度值差值。然后对这8个差值进行编码，得到一个该中心像素在半径尺度r1上的局部二值模式特征。
对于半径尺寸较小的圆形邻域选择8个采样点比较合适，但是对于半径尺寸较大的圆形邻域上可能选择更多一点的采样点会更合适一些，但是由于需要在每一半径尺寸上的最终采样点数据保持一致，因此，s1中所述在不同半径尺寸的圆形邻域上进行均匀采样的过程可以包括：
在半径尺寸小于预设值的圆形邻域上均匀选取第一数量的采样点；
在半径尺寸大于或等于预设值的圆形邻域上均匀选取第二数量的采样点，计算所述第二数量的采样点中每相邻的n个采样点的灰度值均值；并将计算得到的每一个灰度值均值作为一个采样点的灰度值，得到所述第一数量的采样点的灰度值；
其中，所述第二数量为所述第一数量的n倍，n为正整数。
例如，如图6所示，在半径尺寸为r2的圆形邻域上选择24个采样点，然后将这24个采样点中每三个相邻的采样点的灰度值求平均，这样就得到8个灰度值，然后再将这8个灰度值分别与中心像素的灰度值进行作差，得到8个灰度值差值，然后对这8个灰度值差值进行编码，得到一个该中心像素在半径尺度r2上的局部二值模式特征。
这里，通过取较多数量的采样点，然后求灰度值均值的方式，可以提高特征的抗噪性。
另外，在采样时，对未落至像素点阵格子上的采样点的灰度值采用邻近的多个像素点阵格子上像素的灰度值进行双线性差值得到，例如通过邻近的4个像素点阵格子上像素的灰度值进行双线性差值得到。
其中，可以采用下式对中心像素在某一半径尺度上的各个灰度值差值进行编码：
其中，
基于相同的发明构思，本发明还提供一种纹理图像的特征提取系统，如图7所示，该系统100包括：
编码模块101，用于对所述纹理图像中除边缘像素之外的每一像素按照多尺度局部二值模式进行编码，得到该像素在不同半径尺寸的圆形邻域上的局部二值模式特征；
统计模块102，用于统计所述纹理图像中除边缘像素之外的各个 像素在不同半径尺寸的圆形邻域上的局部二值模式特征，形成联合直方图；
降维模块103，用于按照预设的降维阈值提取出所述联合直方图中主对角线上的各个局部二值模式特征，所述降维阈值用于确定在所述主对角线上的特征提取宽度。
可选的，该系统100还可以包括：
特征合并模块104，用于将所述联合直方图中非主对角线上的各个局部二值模式特征合并为一个特征，并提取出合并得到的特征。
在本发明中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
- 还没有人留言评论。精彩留言会获得点赞！