基于梯度局部三值模式的光照反转和旋转不变纹理表达方法与流程

本发明涉及数字图像处理、计算机视觉领域，具体涉及一种基于梯度局部三值模式的光照反转和旋转不变纹理表达方法。

背景技术

图像的纹理特征反映了像素灰度的空间分布规律，传达了物体的表面结构信息。提取有效的纹理特征是数字图像处理和计算机视觉领域研究的基础问题，在纹理分类、纹理分割、场景识别、图像匹配等视觉任务中扮演重要角色。因此，纹理特征提取方法具有重要的研究价值，学者们提出了诸多纹理特征提取方法。其中代表性的方法有：灰度共生矩阵(gray-levelco-occurrencematrix,glcm)、马尔可夫随机场(markovrandomfield，mrf)、基于基元(texton)学习的方法以及近年来比较流行的基于局部模式的方法。

ojala等提出的局部二值模式(localbinarypattern,lbp)方法通过编码局部像素差分的符号信息来建立直方图特，具有计算复杂度低、线性灰度不变性、无需训练学习和易于工程实现等众多优点，并被广泛应用于纹理分类、人脸识别、图像检索和行人检测等领域。基于lbp的思想，学者们提出了许多衍生算法，包括局部三值模式(localternarypattern,ltp)、完整的lbp(completelbp,clbp)、主导lbp(dominant,dlbp)等。

虽然基于lbp思想的方法有诸多优点，但是传统lbp及其衍生方法对光照反转变化十分敏感。光照反转变化是由于反射、曝光、遮挡等复杂的光照条件导致图像的某些部分变亮，而有些部分变暗。光照反转变化会造成图像灰度值的相对大小发生改变，从而导致局部像素差分的符号发生变化。一旦发生光照反转变化，这会严重影响lbp及其衍生算法在分类和识别等任务中的性能。针对以上不足，本发明提出了一种基于梯度局部三值模式(gradientlocalternarypattern,gltp)的光照反转和旋转不变纹理表达方法。

技术实现要素：

本发明所要解决的问题是提供一种基于梯度局部三值模式的光照反转和旋转不变纹理表达方法，所述方法对光照反转和图像的旋转变化具有很好的鲁棒性，可提高传统lbp方法在光照反转变化下的纹理表达能力。

本文发明解决上述问题的技术方案如下：一种基于梯度局部三值模式的光照反转和旋转不变纹理表达方法，包括以下步骤：

步骤1，输入一幅灰度图像，将其灰度值归一化到[0,255]；

步骤2，近邻像素采样：利用插值计算每个中心像素的近邻像素；

步骤3，计算每个中心像素与其近邻像素的梯度值，引入自适应量化阈值对梯度值进行三值量化；

步骤4，将量化后的三值模式分为正二值模式和负二值模式，并分别计算具有旋转不变性的正lbp编码和负lbp编码；

步骤5，分别计算正lbp编码和负lbp编码的统计直方图，并将两个直方图级联作为最终的特征向量。

本文发明与现有技术相比具有以下优点：

第一，本发明基于传统lbp的思想，编码中心像素与近邻像素的梯度信息，对光照反转变化具有很好的鲁棒性；

第二，与传统lbp相比，本发明将中心像素与近邻像素的梯度信息量化为三值模式，增加了算法对噪声的鲁棒性；

第三，与ltp设置的固定量化阈值相比，本发明引入自适应的量化阈值，对线性光照变化具有鲁棒性。

附图说明

图1为本发明基于梯度局部三值模式的光照反转和旋转不变纹理表达方法流程图。

图2为本发明梯度值计算与三值量化示意图。

图3为本发明正lbp编码和负lbp编码计算示意图。

具体实施方式

以下结合附图和具体实施方法对本发明的原理做进一步说明。

参照图1，本发明基于梯度局部三值模式的光照反转和旋转不变纹理表达方法，包括以下步骤：输入图像、近邻像素采样、梯度值计算与三值量化、正lbp编码和负lbp编码计算、计算统计直方图并级联。

步骤1，输入灰度图像i，将其灰度值归一化到[0，255]。

步骤2，设圆形邻域的采样半径为r，中心像素的坐标为(x，y)，灰度值为xc，可求得中心像素的p个近邻像素xi(i＝0，1，...p-1)，近邻像素的坐标计算为(x+rcos(2πi/p)，y-rsin(2πi/p))。对于不完全落在图像网格上的像素，其灰度值由双线性内插估计。

步骤3，参照图2，定义位置(x，y)处中心像素xc与每个近邻像素xi的梯度值为：

gi(x，y)＝|xi-xc|，i＝0，1，...，p-1(1)

在计算出中心像素与近邻像素的梯度值之后，引入自适应阈值对梯度值进行三值量化，量化函数可表示为：

式中，τ为实验设定的一个参数，δ为整幅图像梯度的平均值

式中，m、n分别表示图像的长度和宽度，从式(2)可以看出，量化函数sτ的量化阈值随着δ的值而改变，而不再是一个固定的值。可证明量化后的结果对线性光照反转变化模型i′＝a·i+b(a＜0)具有鲁棒性。有(1)和(2)可知：

可以看出，因子b由(1)式中的梯度操作消除，因子a由(2)式量化函数sτ消除，因此，线性光照反转变化前后的量化结果保持不变。

步骤4，在得到对光照反转变化鲁棒的量化值之后，应该对p个量化值进行编码，得到gltp编码

但是这样计算出的gltp描述符的维度较高(维度为3^p)，为了获得旋转不变性和保持较低的特征维度，现将量化后的三值模式分为正二值模式和负二值模式，并分别计算具有旋转不变性的正lbp编码和负lbp编码(参照图3)

(6)式为正lbp编码，(7)式为负lbp编码，上标“ri”代表旋转不变性，“u2”表示均匀测度u≤2，分别定义为

符号函数su和sl的作用是将(1)所计算的梯度值量化为正二值模式和负二值模式，分别定义为：

可以看出，相比于直接计算gltp编码，分为正lbp编码和负lbp编码后，算法的特征维度只有2(p+2)，而且还具有旋转不变性。

步骤5，分别计算正lbp编码和负lbp编码的统计直方图，并将两个直方图级联作为最终的特征向量。