一种图像处理方法、装置、移动终端及可读存储介质与流程

1.本发明涉及计算机视觉领域，特别是指一种图像处理方法、装置、移动终端及可读存储介质。


背景技术：

2.获取图像的纹理特征是计算机视觉中的一项重要工作。为了实现这一目标，目前在图像处理领域提出了许多高效而强大的纹理描述符，这些描述符加速了纹理分割、纹理分类和场景识别的发展。通常，基本的纹理描述符的目标是用纹理来区分图像或物体，但是，这些目标会受到诸多因素的影响，例如，当图像受到旋转、尺度和光照等干扰时，分类任务的难度会显著增大。
3.经典的局部二值模式(local binary pattern，lbp)是一种简单有效的纹理描述符。其基本原理是获取中心像素与相邻像素之间的灰度差分，并将每组差分量化为二进制码，利用图像中各种二值码出现的频率组成直方图作为分类特征。
4.根据lbp的基本原理，lbp是基于灰度差分编码的，其在灰度变化剧烈时不具有鲁棒性，因此，基于lbp的纹理描述符也存在这一问题。当图像发生光照发生变化，或者前景(或背景)发生变化时，图像的灰度会发生反转，而这种变化会干扰二值码的生成，这将大大降低图像的分类精度。
5.总之，旋转和光照是自然图像中常见的灰度变化影响因素，然而，现有的纹理描述符对于图像因旋转、光照等引起的灰度变化不具备鲁棒性，导致图像分类任务难度加大。


技术实现要素：

6.本发明的目的是提供一种图像处理方法、装置、移动终端及可读存储介质，解决了现有技术中纹理描述符对于图像因旋转、光照等引起的灰度变化不具备鲁棒性，导致图像分类任务难度加大的问题。
7.为达到上述目的，本发明的实施例提供一种图像处理方法，包括：
8.获取目标图像；
9.通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息；
10.根据所述微分信息，构建所述目标图像的m个目标特征，分别得到所述m个目标特征对应的m个特征图谱；其中，m为正整数；所述特征图谱中的像素点与所述目标图像中的像素点对应；
11.根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图。
12.可选地，所述通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息，包括：
13.通过所述滤波器对所述目标图像进行滤波，得到所述目标图像的微分结构信息；其中，所述滤波器包括一阶高斯导数滤波器和二阶高斯导数滤波器；所述微分结构信息包
括一阶微分结构信息和二阶微分结构信息；
14.根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
15.可选地，所述目标特征包括以下至少一项：
16.形状指数；
17.混合极值比；
18.梯度幅值；
19.极值差分；
20.高斯拉普拉斯(laplacian of gaussian，log)滤波特征；
21.二阶导数不变量。
22.可选地，所述根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图，包括：
23.根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息；
24.选择m个所述特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个所述目标二值码信息形成目标二值码信息集合；
25.根据每一所述目标二值码信息在所述目标二值码信息集合中出现的频率，得到所述目标图像对应的特征直方图。
26.可选地，所述根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息，包括：
27.根据每一所述特征图谱上像素点的色彩数值，分别确定每一所述特征图谱对应的色彩均值；
28.将每一所述特征图谱上每一像素点的色彩数值与该特征图谱对应的色彩均值进行比较；
29.根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
30.可选地，所述根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，包括：
31.在所述像素点的色彩数值大于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第一预设信息；
32.在所述像素点的色彩数值小于或等于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第二预设信息。
33.为达到上述目的，本发明的实施例提供一种图像处理装置，包括：
34.图像获取模块，用于获取目标图像；
35.图像滤波模块，用于通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息；
36.特征构建模块，用于根据所述微分信息，构建所述目标图像的m个目标特征，分别得到所述m个目标特征对应的m个特征图谱；其中，m为正整数；所述特征图谱中的像素点与
所述目标图像中的像素点对应；
37.特征处理模块，用于根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图。
38.可选地，所述图像滤波模块包括：
39.第一滤波子模块，用于通过所述滤波器对所述目标图像进行滤波，得到所述目标图像的微分结构信息；其中，所述滤波器包括一阶高斯导数滤波器和二阶高斯导数滤波器；所述微分结构信息包括一阶微分结构信息和二阶微分结构信息；
40.第二滤波子模块，用于根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
41.可选地，所述目标特征包括以下至少一项：
42.形状指数；
43.混合极值比；
44.梯度幅值；
45.极值差分；
46.高斯拉普拉斯log滤波特征；
47.二阶导数不变量。
48.可选地，所述特征处理模块包括：
49.第一处理子模块，用于根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息；
50.第二处理子模块，用于选择m个所述特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个所述目标二值码信息形成目标二值码信息集合；
51.第三处理子模块，用于根据每一所述目标二值码信息在所述目标二值码信息集合中出现的频率，得到所述目标图像对应的特征直方图。
52.可选地，所述第一处理子模块包括：
53.第一确定单元，用于根据每一所述特征图谱上像素点的色彩数值，分别确定每一所述特征图谱对应的色彩均值；
54.信息比较单元，用于将每一所述特征图谱上每一像素点的色彩数值与该特征图谱对应的色彩均值进行比较；
55.第二确定单元，用于根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
56.可选地，所述第二确定单元包括：
57.第一编码子单元，用于在所述像素点的色彩数值大于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第一预设信息；
58.第二编码子单元，用于在所述像素点的色彩数值小于或等于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第二预设信息。
59.为达到上述目的，本发明的实施例提供一种移动终端，包括处理器和收发器，其中，所述处理器用于：
60.获取目标图像；
61.通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息；
62.根据所述微分信息，构建所述目标图像的m个目标特征，分别得到所述m个目标特征对应的m个特征图谱；其中，m为正整数；所述特征图谱中的像素点与所述目标图像中的像素点对应；
63.根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图。
64.可选地，所述处理器在用于通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息时，具体用于：
65.通过所述滤波器对所述目标图像进行滤波，得到所述目标图像的微分结构信息；其中，所述滤波器包括一阶高斯导数滤波器和二阶高斯导数滤波器；所述微分结构信息包括一阶微分结构信息和二阶微分结构信息；
66.根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
67.可选地，所述目标特征包括以下至少一项：
68.形状指数；
69.混合极值比；
70.梯度幅值；
71.极值差分；
72.高斯拉普拉斯log滤波特征；
73.二阶导数不变量。
74.可选地，所述处理器在用于根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图时，具体用于：
75.根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息；
76.选择m个所述特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个所述目标二值码信息形成目标二值码信息集合；
77.根据每一所述目标二值码信息在所述目标二值码信息集合中出现的频率，得到所述目标图像对应的特征直方图。
78.可选地，所述处理器在用于根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息时，具体用于：
79.根据每一所述特征图谱上像素点的色彩数值，分别确定每一所述特征图谱对应的色彩均值；
80.将每一所述特征图谱上每一像素点的色彩数值与该特征图谱对应的色彩均值进行比较；
81.根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
82.可选地，所述处理器在用于所述根据比较结果，确定每一所述特征图谱中的每一
像素点对应的二值码信息时，具体用于：
83.在所述像素点的色彩数值大于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第一预设信息；
84.在所述像素点的色彩数值小于或等于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第二预设信息。
85.为达到上述目的，本发明的实施例提供一种移动终端，包括收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所程序或指令时实现如上所述的图像处理方法。
86.为达到上述目的，本发明的实施例提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的图像处理方法中的步骤。
87.本发明的上述技术方案的有益效果如下：
88.本发明实施例的方法，通过图像的微分信息，构建了图像的多种特征，使得这些特征具有灰度反转和旋转不变性，再通过对在这些特征进行联合编码，得到的灰度反转与旋转不变直方图(grayscale-inversion and rotation invariant histogram，grh)，从而使得grh特征具有良好的分类性能。
附图说明
89.图1为本发明实施例的图像处理方法的流程图；
90.图2为本发明另一实施例的图像处理方法的基本框架图；
91.图3为本发明实施例的移动终端的结构图；
92.图4为本发明实施例的图像处理装置的结构图；
93.图5为本发明另一实施例的移动终端的结构图。
具体实施方式
94.为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
95.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
96.在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
97.另外，本文中术语“系统”和“网络”在本文中常可互换使用。
98.在本技术所提供的实施例中，应理解，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。
99.如图1所示，本发明实施例的一种图像处理方法，包括：
100.步骤101，获取目标图像；
101.步骤102，通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息。
102.该步骤中，滤波器可以是一阶高斯导数滤波器和二阶高斯导数滤波器，所述微分信息为目标图像在滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
103.需要说明的是，由于目标图像自身含有丰富的结构信息，各种滤波器能够可控地提取目标图像局部或全局的结构信息。
104.步骤103，根据所述微分信息，构建所述目标图像的m个目标特征，分别得到所述m个目标特征对应的m个特征图谱；其中，m为正整数；所述特征图谱中的像素点与所述目标图像中的像素点对应。
105.步骤104，根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图。
106.该实施例中，通过选定的多种目标特征，能够使得grh具有旋转不变性和灰度反转不变性。
107.具体的，首先可以利用一阶高斯导数和二阶高斯导数得到目标图像的微分结构信息，然后利用极值响应得到具有旋转不变性的微分信息(即目标图像在滤波器的各个方向上的极值信息)，再利用目标图像的微分信息去构造多种(例如六种)对灰度变化具有鲁棒性的目标特征；由于微分信息并不能抵消灰度反转变化，最后利用主导思想对六种目标特征进行联合编码，使其能有效抵抗符号的变化。
108.可选地，所述通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息，包括：
109.通过所述滤波器对所述目标图像进行滤波，得到所述目标图像的微分结构信息；其中，所述滤波器包括一阶高斯导数滤波器和二阶高斯导数滤波器；所述微分结构信息包括一阶微分结构信息和二阶微分结构信息；
110.根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
111.该实施例中，通过高斯导数滤波器对图像进行滤波，能够得到多种(例如六种)带有图像微分结构信息的特征，具有鲁棒性；通过滤波器得到各个方向上的极值信息(即一阶的极值和二阶的极值)，由于这些极值为最大值或最小值，所以经过滤波后得到的这种微分信息不会随目标图像的旋转而改变，具有旋转不变性。
112.可选地，所述目标特征包括以下至少一项：
113.形状指数；
114.混合极值比；
115.梯度幅值；
116.极值差分；
117.高斯拉普拉斯log滤波特征；
118.二阶导数不变量。
119.具体的，本发明一可选实施例中，目标特征可通过以下方式得到：
120.根据公式得到形状指数；
121.根据公式得到混合极值比；
122.根据公式得到梯度幅值；
123.根据公式得到极值差分；其中，极值差分为二阶图像微分的最大值和最小值的差分(即二阶极值信息的最大值和最小值的差分)；
124.根据公式log＝|i
xx
+i
yy
|，得到log滤波特征；
125.根据公式得到二阶导数不变量；
126.其中，s表示形状指数；r表示混合极值比；g表示梯度幅值；d表示极值差分；log表示log滤波特征；e表示二阶导数不变量；i
x
表示沿x轴的一阶微分结构信息；i
xx
表示沿x轴的二阶微分结构信息；iy表示沿y轴的二阶微分结构信息；i
yy
表示沿y轴的二阶微分结构信息；i
xy
表示分别沿x轴方向、y轴方向做微分得到的微分结构信息；表示一阶响应的最大值(即一阶极值信息)；表示二阶响应的最大值(即二阶极值信息的最大值)；表示二阶响应的最小值(即二阶极值信息中的最小值)。
127.可选地，所述根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图，包括以下步骤：
128.(一)根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
129.可选地，该步骤具体可以包括：根据每一所述特征图谱上像素点的色彩数值，分别确定每一所述特征图谱对应的色彩均值；将每一所述特征图谱上每一像素点的色彩数值与该特征图谱对应的色彩均值进行比较；根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
130.这里，某一像素点对应的二值码信息可以是0或者1。
131.该实施例中，可以针对每一特征图谱，确定其对应的色彩均值，也即针对每一个目标特征，都采用了相应的量化阈值，这样能够使得grh特征具有良好的分类性能。
132.(二)选择m个所述特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个所述目标二值码信息形成目标二值码信息集合；
133.(三)根据每一所述目标二值码信息在所述目标二值码信息集合中出现的频率，得到所述目标图像对应的特征直方图。
134.该实施例中，得到的特征直方图，即为灰度反转与旋转不变直方图。
135.可选地，所述根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，包括：
136.在所述像素点的色彩数值大于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第一预设信息；
137.在所述像素点的色彩数值小于或等于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第二预设信息。
138.这里，第一预设信息可以为1，第二预设信息可以为0。如此，可以根据比较结果，确定每一特征图谱中的每一像素点对应的二值码信息。
139.下面对本发明实施例提供的方案进行具体举例说明。
140.具体的，如图2所示，本发明实施例的图像处理方法可以包括如下步骤：
141.步骤一：输入图像(即获取目标图像)；
142.步骤二：利用一阶高斯导数滤波器和二阶高斯导数滤波器，得到图像的一阶微分结构信息和二阶微分结构信息；
143.需要说明的是，图像自身便含有丰富的结构信息，而各种滤波器能够可控地提取图像局部或全局的结构信息。其中，二阶高斯函数如下所示：
[0144][0145]
其中，σ表示标准差，也称尺度；x、y表示待求高斯导数的图像坐标。
[0146]
一阶高斯导数可以由在x方向和y方向的二阶高斯函数求导计算得到，则一阶高斯导数在各个方向的表达式如下：
[0147][0148]
其中，gx表示尺度归一化的沿x轴的一阶高斯导数；gy表示尺度归一化的沿y轴的一阶高斯导数；θ表示的是一阶高斯导数和二阶高斯导数的方向。
[0149]
二阶高斯导数可以由在x方向和y方向的二阶高斯函数求导计算得到，则二阶高斯导数在各个方向的表达式如下：
[0150][0151]
其中，g
xx
表示尺度归一化的沿x轴的二阶高斯导数；g
yy
表示尺度归一化的沿y轴的二阶高斯导数；g
xy
表示先在x方向求导后再在y方向求导；θ表示的是一阶高斯导数和二阶高斯导数的方向。
[0152]
图像的一阶微分结构信息为：i
x
＝g
x
*i，iy＝gy*i；
[0153]
图像的二阶微分结构信息为：i
xx
＝g
xx
*i，i
yy
＝g
yy
*i；
[0154]
其中，i表示数字化图像；*表示卷积。
[0155]
步骤三：计算图像在滤波器各个方向上一阶的极值响应和二阶的极值响应；也即根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
[0156]
一阶响应的最大值(即一阶极值信息)为：
[0157][0158]
二阶响应的最大值(即二阶极值信息的最大值)为：
[0159][0160]
二阶响应的最小值(即二阶极值信息中的最小值)为：
[0161][0162]
其中，i
x
表示沿x轴的一阶微分结构信息；i
xx
表示沿x轴的二阶微分结构信息；iy表示沿y轴的二阶微分结构信息；i
yy
表示沿y轴的二阶微分结构信息；i
xy
表示分别沿x轴方向、y轴方向做微分得到的微分结构信息；表示一阶响应的最大值；表示二阶响应的最大值；表示二阶响应的最小值。
[0163]
由于这些值(即和)为最大值或最小值，所以经过滤波后得到的这种微分信息不会随图像的旋转而改变，具有旋转不变性。
[0164]
步骤四：基于得到的图像微分信息(即极值信息中的最大值和最小值)，构造多种(例如六种)对线性灰度反转变化具有鲁棒性的特征(即目标特征)，目标特征包括以下至少一项：形状指数、混合极值比、梯度幅值、极值差分、log滤波特征、二阶导数不变量；
[0165]
其中，形状指数s为定量描绘局部的二阶曲率：
[0166][0167]
混合极值比r可以捕获图像微分结构信息，混合极值比r可以根据以下公式得到：
[0168][0169]
梯度幅值g为一阶图像微分最大值(即一阶极值信息中的最大值)：
[0170][0171]
极值差分d为二阶图像微分的最大值和最小值的差分(即二阶极值信息的最大值和最小值的差分)：
[0172][0173]
log滤波特征log：
[0174]
log＝|i
xx
+i
yy
|
[0175]
二阶导数不变量e：
[0176][0177]
步骤五：对六种特征进行基于主导思想的联合编码；其中，对主导编码(即基于主导思想的联合编码)的基本思路说明如下：
[0178]
图像线性灰度变化的数学模型可以表示如下：
[0179]
y＝ax+b
[0180]
为处理公式中的b，可以通过加减和微分消去，但是a带来的变化会进一步保留，并
且a的正负变化会给编码带来极大干扰。针对这个问题，采用主导编码来克服a所带来的灰度值的正负变化。
[0181]
在主导编码中，首先，对整幅图像(即目标图像的特征图谱)求取一个均值t(即色彩均值)；然后，将均值t与所有像素点的值(即特征图谱上像素点的色彩数值)进行比较，如下所示：
[0182][0183]
其中，s1表示图像中色彩数值大于色彩均值的像素点的数量；n表示像素点的数量；pi表示像素点的色彩数值；t表示色彩均值。
[0184]
还可定义另一个量s2＝n-s1。其中，s2表示图像中色彩数值小于或等于色彩均值的像素点的数量。
[0185]
作为一可选实施例，可以定义编码规则如下：
[0186][0187]
也就是说，将属于的像素点pi编码为1，否则，编码为0，即将属于的像素点pi编码为0。
[0188]
其中，ai表示像素点的二值码；pi表示第i个像素点；表示图像中色彩数值大于色彩均值的像素点的集合；表示图像中色彩数值大于色彩均值的像素点的集合。
[0189]
综上，可以将色彩数值大于对应的色彩均值的像素点编码为1(即确定该像素点对应的二值码信息为1)；可以将色彩数值小于或等于对应的色彩均值的像素点编码为0(即确定该像素点对应的二值码信息为0)。
[0190]
需要说明的是，由于大于t的像素的数量不会随a符号的改变而改变，所以可以说主导编码具有灰度反转不变性。
[0191]
步骤六：将六种图像微分特征(即所述目标特征对应的特征图谱)中相同位置的像素点组合在一起形成六位二值码(即目标二值码信息)，统计二值码在图像中出现的频率形成直方图，该直方图即为灰度反转与旋转不变直方图grh。
[0192]
该步骤中，可以选择m(例如m为6)个特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个目标二值码信息形成目标二值码信息集合；然后，根据每一目标二值码信息在目标二值码信息集合中出现的频率，得到目标图像对应的特征直方图，即灰度反转与旋转不变直方图grh。
[0193]
本发明实施例，在编码过程中加入了多种互补特征(即目标特征)，这些特征同时具有灰度反转和旋转不变性；在对多种特征进行联合编码的过程中，每一个特征都采用了相应的量化阈值，使得grh特征具有良好的分类性能。
[0194]
本发明一实施例中，由于grh特征具有灰度反转不变性，为了验证了grh的性能，在与其他方法对比时，对使用的数据集进行了灰度反转处理。
[0195]
如下表1所示，为σ＝1、2和3的多尺度grh与其他方法在线性灰度反转下的分类精度(单位为％)：
[0196][0197][0198]
其中，ltp为局部三值模式(local ternary pattern，ltp)；clbp为完整局部二值模式(completed lbp，clbp)；clbc为完整的局部二值计数(completed local binary count，clbc)；letrist为局部编码变换特征直方图(locally encoded transform feature histogram，letrist)；jclsfp为局部空频模式联合编码(joint coding of local space-frequency pattern，jclsfp)；sift为尺度不变特征变换(scale-invariant feature transform，sift)；ldzp为局部方向的之字形模式(local directional zigzag pattern，ldzp)；loop为局部最优定向模式(local optimal-oriented pattern，loop)；glbp为梯度局部二值模式(gradient local binary patterns，glbp)；lgp为局部梯度模式(local gradient patterns，lgp)；nrlbp为非冗余局部二值模式(non-redundant local binary patterns，nrlbp)；slgp为排序的局部梯度模式(sorted local gradient pattern，slgp)。
[0199]
上表1中，采用outex数据库，选用tc10和tc12两个子库进行实验。tc10子库用来测试旋转不变性，包含成像于光照条件“inca”的24类纹理图像，每类有20幅图像，分别有9个旋转角度(0
±
，5
±
，10
±
，15
±
，30
±
，45
±
，60
±
，75
±
和90
±
)。其中，旋转角度为0
±
的480(24
×
20)幅图像作为训练集,其余8个旋转角度的3840(24
×
20
×
8)幅图像作为测试集。tc12子库用来测试光照不变性，其训练集与tc10相同，测试集为成像于光照条件“tl84”或者“horizon”的4320(24
×
20
×
9)幅图像。curet数据库包含61类纹理，每类有92幅图像，分别成像于不同的视角和光照方向。从每类中随机选取46幅图像作为训练集，其余的图像作为测试集。kth-tips数据库包含10类纹理,每类有81幅图像，分别呈现不同的尺度、光照和姿态变化。从每类中随机选取40幅图像作为训练集,其余作为测试集。由于curet和kth-tips数据库没有固定的训练集和测试集划分，本发明实施例进行多次分类实验，然后计算平均的分类精度。
[0200]
表1中，对比了不同方法在线性灰度反转的数据集上的分类精度。由于lbp等变体描述符的参数含有半径，实验中我们在r＝1、r＝2、r＝3以及三种半径联合的条件下对lbp、
ltp、clbp、lgp、glbp、nrlbp分别进行实验，取这些描述符在四种条件下性能最好的数据与表1及表2中grh方法的数据进行对比。
[0201]
从表1中可以看出，灰度的反转变化会使基于传统lbp的描述符的分类性能急剧下降，原因是灰度值的巨大变化会影响近邻像素与中心像素间的灰度差分，从而使基于灰度差分生成的二值码与原图像的二值码不再相同，在用直方图进行对比时，图像与原本所属类的距离就会变大，最终造成图像分类错误。
[0202]
对于没有旋转不变性的方法(如nrlbp等)，在有旋转变化的tc10数据库中性能不理想，而在克服光照变化这一问题上，glbp和slgp相比其他方法在tc12数据库上有更好的性能，而本发明实施例方法grh在本身含有旋转变化的tc10数据库与含有光照变化的tc12数据库皆有较理想的性能，说明grh的特征能有效抵抗图像旋转和光照带来的变化。
[0203]
如下表2所示，为σ＝1、2和3的多尺度grh与其他方法在非线性灰度反转下的分类精度(％)：
[0204][0205]
对于非线性光照变化，我们也初步验证了grh的性能，对比表1和表2中grh的性能，可以看出grh在各数据库下的性能下滑并没有其他方法严重，说明grh对非线性光照变化也具有一定的鲁棒性。
[0206]
如上表1和表2所示，本发明实施例所采用的grh特征，在线性和非线性灰度反转条件下，都能取得不错的分类性能；其中，grh的尺度σ取1、2、3多尺度联合。
[0207]
如下表3所示，为不同尺度grh在线性灰度反转下的分类精度(％)：
[0208][0209]
如上表3所示，实验测试了尺度对grh性能的影响。从表3中可以看出：单尺度下，σ＝2的性能最好，随着尺度的变大，grh的性能有所下降；对于联合尺度，联合的尺度越多性能越好，但是当联合到σ＝4时，grh的性能提升不大，且在有些数据库下的性能有所下降。所以，在与其他方法对比时，我们采用σ取1、2、3的多尺度grh。
[0210]
如下表4所示，为σ＝1和2的多尺度grh中多种特征在线性灰度反转下的分类精度(％)：
[0211][0212]
如上表4所示，本发明实施例共采用了六种图像微分特征，为验证每种特征的有效性，我们对特征进行线性叠加实验。表4实验中grh的尺度σ取1和2两种尺度联合，从表4中可以看出：随着一种新特征的加入，grh在所有数据库的性能都有所提升，这种提升在grh性能较低时尤其明显，随着特征达到五种以上时，grh的性能提升不在明显，且有些数据库下的性能出现了些微的下降，说明grh的特征开始出现了冗余，因此，我们最终选择了六种特征作为grh的底层特征，实验表明grh在旋转及光照变化下的分类任务中表现良好。
[0213]
本发明实施例的方法，通过图像的微分信息，构建了图像的多种特征，使得这些特征具有灰度反转和旋转不变性，再通过对在这些特征进行联合编码，得到的grh，从而使得grh特征具有良好的分类性能。
[0214]
如图3所示，本发明实施例的一种移动终端300，包括处理器310和收发器320，其中，所述处理器310用于：
[0215]
获取目标图像；
[0216]
通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息；
[0217]
根据所述微分信息，构建所述目标图像的m个目标特征，分别得到所述m个目标特征对应的m个特征图谱；其中，m为正整数；所述特征图谱中的像素点与所述目标图像中的像
素点对应；
[0218]
根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图。
[0219]
可选地，所述处理器310在用于通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息时，具体用于：
[0220]
通过所述滤波器对所述目标图像进行滤波，得到所述目标图像的微分结构信息；其中，所述滤波器包括一阶高斯导数滤波器和二阶高斯导数滤波器；所述微分结构信息包括一阶微分结构信息和二阶微分结构信息；
[0221]
根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
[0222]
可选地，所述目标特征包括以下至少一项：
[0223]
形状指数；
[0224]
混合极值比；
[0225]
梯度幅值；
[0226]
极值差分；
[0227]
高斯拉普拉斯log滤波特征；
[0228]
二阶导数不变量。
[0229]
可选地，所述处理器310在用于根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图时，具体用于：
[0230]
根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息；
[0231]
选择m个所述特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个所述目标二值码信息形成目标二值码信息集合；
[0232]
根据每一所述目标二值码信息在所述目标二值码信息集合中出现的频率，得到所述目标图像对应的特征直方图。
[0233]
可选地，所述处理器310在用于根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息时，具体用于：
[0234]
根据每一所述特征图谱上像素点的色彩数值，分别确定每一所述特征图谱对应的色彩均值；
[0235]
将每一所述特征图谱上每一像素点的色彩数值与该特征图谱对应的色彩均值进行比较；
[0236]
根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
[0237]
可选地，所述处理器310在用于所述根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息时，具体用于：
[0238]
在所述像素点的色彩数值大于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第一预设信息；
[0239]
在所述像素点的色彩数值小于或等于对应的色彩均值的情况下，确定所述像素点
对应的二值码信息为第二预设信息。
[0240]
该实施例的移动终端，通过图像的微分信息，构建了图像的多种特征，使得这些特征具有灰度反转和旋转不变性，再通过对在这些特征进行联合编码，得到的grh，从而使得grh特征具有良好的分类性能。
[0241]
如图4所示，本发明的实施例提供一种图像处理装置，包括：
[0242]
图像获取模块410，用于获取目标图像；
[0243]
图像滤波模块420，用于通过滤波器对所述目标图像进行滤波，得到所述目标图像的微分信息；
[0244]
特征构建模块430，用于根据所述微分信息，构建所述目标图像的m个目标特征，分别得到所述m个目标特征对应的m个特征图谱；其中，m为正整数；所述特征图谱中的像素点与所述目标图像中的像素点对应；
[0245]
特征处理模块440，用于根据所述m个特征图谱，对所述m个目标特征进行联合编码，得到所述目标图像对应的特征直方图。
[0246]
可选地，所述图像滤波模块420包括：
[0247]
第一滤波子模块，用于通过所述滤波器对所述目标图像进行滤波，得到所述目标图像的微分结构信息；其中，所述滤波器包括一阶高斯导数滤波器和二阶高斯导数滤波器；所述微分结构信息包括一阶微分结构信息和二阶微分结构信息；
[0248]
第二滤波子模块，用于根据所述微分结构信息，得到所述目标图像的微分信息；其中，所述微分信息为所述目标图像在所述滤波器的各个方向上的极值信息；其中，所述极值信息包括一阶极值信息和二阶极值信息。
[0249]
可选地，所述目标特征包括以下至少一项：
[0250]
形状指数；
[0251]
混合极值比；
[0252]
梯度幅值；
[0253]
极值差分；
[0254]
高斯拉普拉斯log滤波特征；
[0255]
二阶导数不变量。
[0256]
可选地，所述特征处理模块440包括：
[0257]
第一处理子模块，用于根据所述m个特征图谱，对所述m个目标特征进行编码，分别得到m个所述特征图谱中的每一像素点对应的二值码信息；
[0258]
第二处理子模块，用于选择m个所述特征图谱中具有相同位置坐标的像素点所对应的二值码信息，形成目标二值码信息；其中，多个所述目标二值码信息形成目标二值码信息集合；
[0259]
第三处理子模块，用于根据每一所述目标二值码信息在所述目标二值码信息集合中出现的频率，得到所述目标图像对应的特征直方图。
[0260]
可选地，所述第一处理子模块包括：
[0261]
第一确定单元，用于根据每一所述特征图谱上像素点的色彩数值，分别确定每一所述特征图谱对应的色彩均值；
[0262]
信息比较单元，用于将每一所述特征图谱上每一像素点的色彩数值与该特征图谱
对应的色彩均值进行比较；
[0263]
第二确定单元，用于根据比较结果，确定每一所述特征图谱中的每一像素点对应的二值码信息，分别得到m个所述特征图谱中的每一像素点对应的二值码信息。
[0264]
可选地，所述第二确定单元包括：
[0265]
第一编码子单元，用于在所述像素点的色彩数值大于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第一预设信息；
[0266]
第二编码子单元，用于在所述像素点的色彩数值小于或等于对应的色彩均值的情况下，确定所述像素点对应的二值码信息为第二预设信息。
[0267]
该实施例的图像处理装置，通过图像的微分信息，构建了图像的多种特征，使得这些特征具有灰度反转和旋转不变性，再通过对在这些特征进行联合编码，得到的grh，从而使得grh特征具有良好的分类性能。
[0268]
本发明另一实施例的一种移动终端，如图5所示，包括收发器510、处理器500、存储器520及存储在所述存储器520上并可在所述处理器500上运行的程序或指令；所述处理器500执行所述程序或指令时实现上述应用于。图像处理方法。
[0269]
所述收发器510，用于在处理器500的控制下接收和发送数据。
[0270]
其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器500代表的一个或多个处理器和存储器520代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器510可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的用户设备，用户接口530还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
[0271]
处理器500负责管理总线架构和通常的处理，存储器520可以存储处理器500在执行操作时所使用的数据。
[0272]
本发明实施例的一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的图像处理方法中的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
[0273]
进一步需要说明的是，此说明书中所描述的终端包括但不限于智能手机、平板电脑等，且所描述的许多功能部件都被称为模块，以便更加特别地强调其实现方式的独立性。
[0274]
本发明实施例中，模块可以用软件实现，以便由各种类型的处理器执行。举例来说，一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块，举例来说，其可以被构建为对象、过程或函数。尽管如此，所标识模块的可执行代码无需物理地位于一起，而是可以包括存储在不同位里上的不同的指令，当这些指令逻辑上结合在一起时，其构成模块并且实现该模块的规定目的。
[0275]
实际上，可执行代码模块可以是单条指令或者是许多条指令，并且甚至可以分布在多个不同的代码段上，分布在不同程序当中，以及跨越多个存储器设备分布。同样地，操作数据可以在模块内被识别，并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集，或者可以分布在不同位置上
(包括在不同存储设备上)，并且至少部分地可以仅作为电子信号存在于系统或网络上。
[0276]
在模块可以利用软件实现时，考虑到现有硬件工艺的水平，所以可以以软件实现的模块，在不考虑成本的情况下，本领域技术人员都可以搭建对应的硬件电路来实现对应的功能，所述硬件电路包括常规的超大规模集成(vlsi)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备，诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。
[0277]
上述范例性实施例是参考该些附图来描述的，许多不同的形式和实施例是可行而不偏离本发明精神及教示，因此，本发明不应被建构成为在此所提出范例性实施例的限制。更确切地说，这些范例性实施例被提供以使得本发明会是完善又完整，且会将本发明范围传达给那些熟知此项技术的人士。在该些图式中，组件尺寸及相对尺寸也许基于清晰起见而被夸大。在此所使用的术语只是基于描述特定范例性实施例目的，并无意成为限制用。如在此所使用地，除非该内文清楚地另有所指，否则该单数形式“一”、“一个”和“该”是意欲将该些多个形式也纳入。会进一步了解到该些术语“包含”及/或“包括”在使用于本说明书时，表示所述特征、整数、步骤、操作、构件及/或组件的存在，但不排除一或更多其它特征、整数、步骤、操作、构件、组件及/或其族群的存在或增加。除非另有所示，陈述时，一值范围包含该范围的上下限及其间的任何子范围。
[0278]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。