一种基于对比度局部二值模式的图像纹理分类方法技术

一种基于对比度局部二值模式的图像纹理分类方法，包括以下步骤：提取图像的符号特征；提取图像的对比度差分能量特征；提取图像的中心像素特征；将提取的图像的符号特征、对比度差分能量特征以及中心像素特征进行整合，获得图像的符号能量中心像素直方图特征，并建立直方图；利用卡方距离和最近邻分类器对直方图进行分类。本发明专利技术有益效果：本发明专利技术提高了特征提取、分类的正确率。

An image texture classification method based on contrast local two value pattern

An image texture classification method based on contrast local binary pattern includes the following steps: extracting the symbolic features of the image; extracting the contrast difference energy features of the image; extracting the central pixel features of the image; integrating the symbolic features, contrast difference energy features and central pixel features of the extracted image. Combined, the pixel histogram features of the symbol energy center of the image are obtained, and the histogram is established. The histogram is classified by using the chi-square distance and nearest neighbor classifier. The invention has beneficial effects: the invention improves the accuracy of feature extraction and classification.

【技术实现步骤摘要】
一种基于对比度局部二值模式的图像纹理分类方法
本专利技术涉及模式识别与图像处理
，具体地说是一种基于对比度局部二值模式的图像纹理分类方法。
技术介绍
随着计算机技术的快速发展与计算机视觉、模式识别相关领域的发展，使得图像处理技术已经越来越成熟。例如Google和百度已经推出的照片搜索服务。百度成立百度数据可视化实验室，打造深度学习平台。我们可以通过扫描图片来进行百度识图；淘宝中强大的视图系统，使得输入一张商品的图片几乎可以精确的搜索到相同或者是相似的产品。如现在iphoneX中的脸部识别。上述的技术都是通过对图像进行特征提取后来找到精确的图片信息。纹理在模式识别和图像处理中扮演了很重要的角色。因此，纹理的特征提取是纹理研究的核心，是纹理分析和应用的基础。近些年来，特征提取和纹理分类被大批学者进行研究和推广，并广泛应用于人脸识别，医学生物分析，车牌检测等领域。回顾50多年的曲折发展历程，各国研究者对纹理特征提取方法进行了广泛的研究。对于一个完整的纹理分类常常由图像预处理、特征提取、分类测试这几个步骤组成。其中最为核心也最影响实验分类正确率的就是特征提取方法的研究。在计算机图形学和模式识别的领域，对于图像纹理的分析进行的如火如荼。现如今，学者们已经提出了很多纹理方法。大致可以分为两类：空域方法和变换域方法，其中空域方法又分为结构法、统计法、模型法这三类。空域方法。这一大类的方法主要是通过对比纹理图像的中心像素与其邻域像素之间的关系并通过统计法来表示其纹理的关系来进行对图像的纹理分析。通俗的来说就是模拟纹理的基元来重新构造图像的空间局部结构。这一大类方法主要适用于易于旋转的纹理图像。变换域通常是使用变换系数来对纹理图像进行分析的。局部特征提取的LBP算法在对图像进行特征提取时，仅仅考虑了中心像素与邻域像素之间的符号信息，而没有统计它的灰度值大小的信息。同时，LBP算法具有旋转不变性的同时丢失了方向信息，很多时候方向信息对于一个纹理图像是非常重要的，但是在纹理图像分析中，LBP被证明是有效的。局部特征提取从字面上的意思就可以看出，该方法提取的是局部特征，它的方法计算简单、有很好地推广。但是它也忽略了全局宏观的图像纹理的信息。其中，局部二值模式作为经典算法之一而被大家广泛的讨论和研究。它的算法简单，易于理解、维度较低、计算简单和分辨率高使得国内外很多科研学者都在从事局部特征提取的工作。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于扩展的对比度局部二值模式的纹理分类方法，解决局部二值模式(LBP)在纹理特征提取时仅考虑了其符号特征且识别率较低的问题。本专利技术为解决上述技术问题所采用的技术方案是：一种基于对比度局部二值模式的图像纹理分类方法，包括以下步骤：步骤1、提取纹理图像f(x,y)的符号特征；步骤2、提取纹理图像f(x,y)的对比度差分能量特征；步骤3、提取纹理图像f(x,y)的中心像素特征；步骤4、将提取的纹理图像f(x,y)的符号特征、对比度差分能量特征以及中心像素特征进行整合，获得纹理图像f(x,y)的符号能量中心像素直方图特征，并建立直方图；步骤5、利用卡方距离和最近邻分类器对直方图进行分类。本专利技术所述步骤1中纹理图像f(x,y)的符号特征的提取采用局部二值模式进行提取描述。本专利技术所述步骤1中纹理图像f(x,y)的符号特征的具体提取方法为：步骤1.1、定义一个3*3的模块，在该模块上选择一个像素点为中心像素，比较该中心像素与周围8个邻域像素gP之间的大小，小于中心像素的用0表示，大于或等于中心像素的用1表示，则纹理图像f(x,y)的符号特征可以表示为：步骤1.2、按照一个固定的方向将纹理图像的符号特征视为首尾相接的环形，得到LBP的等价模式，用0到1的跳变次数U(GP)表示该等价模式，则：步骤13、将步骤1.2得到的等价模式的U(GP)进行旋转得到旋转不性的等价模式的LBP，具体可以表示为：步骤1.4、纹理图像f(x,y)的符号特征直方图Hi可表示为：本专利技术所述步骤2中提取纹理图像f(x,y)的对比度差分能量特征的具体方法为：步骤2.1、计算每个像素点的对比度差分能量特征CDEF：在纹理图像f(x,y)上定义一个3*3的模块，在该模块上选择一个像素点为中心像素gc，对比度差分能量特征CDEF可由下式计算得到：其中gP为gc的邻域像素，1≤P≤9；步骤2.2、设定差分值FD：其中max为图像像素的最大值，min为图像像素的最小值；步骤2.3、设置区间直方图的区间CV：设置13个临界值CV0,CV1,…，CV12，其取值由下式计算：CVi＝H(x)+mini∈[0,12]本专利技术所述步骤3中提取纹理图像f(x,y)的中心像素特征F(x,y)的具体方法为：F(x,y)＝c(x,y)modn，n＞2，所述n的取值优选为12。本专利技术的有益效果是：本专利技术不仅提高了特征提取、分类的正确率。同时还提出了通过对比度来提取图片的能量信息，提出了一个新的划分窗口的大小区间的方法，提高特征提取的正确率。同时将原本的二值化，通过实验，改变参数，对图片进行多值化处理，来表示图片的特征，更加准确。在数据集上的实验结果显示，本专利技术分类方法具有不错的分类性能，而且该特征提取方法的计算速度很快，特征的维数相对较小，在保证分类性能的同时能够实现快速的纹理图像分类。附图说明图1为本专利技术图像纹理分类方法的流程图；图2为本专利技术符号特征提取模式方法；图3为本专利技术中心像素特征提取方法；图4为多个分类方法进行比较的分类结果；图5为一个类在八个方向上旋转后的纹理图像。具体实施方式一种基于对比度局部二值模式的图像纹理分类方法，包括以下步骤：步骤1、提取纹理图像f(x,y)的符号特征；步骤2、提取纹理图像f(x,y)的对比度差分能量特征；步骤3、提取纹理图像f(x,y)的中心像素特征；步骤4、将提取的纹理图像f(x,y)的符号特征、对比度差分能量特征以及中心像素特征进行整合，获得纹理图像f(x,y)的符号能量中心像素直方图特征，并建立直方图；步骤5、利用卡方距离和K近邻分类器对直方图进行分类，K优选取1。进一步，所述步骤1中纹理图像f(x,y)的符号特征的提取采用局部二值模式进行提取描述。进一步，所述步骤1中纹理图像f(x,y)的符号特征的具体提取方法为：步骤1.1、定义一个3*3的模块，在该模块上选择一个像素点为中心像素，比较该中心像素与周围8个邻域像素gP之间的大小，小于中心像素的用0表示，大于或等于中心像素的用1表示，则图像的符号特征可以表示为：步骤1.2、按照一个固定的方向将图像的符号特征视为首尾相接的环形，得到LBP的等价模式，用0到1的跳变次数U(GP)表示该等价模式，则：步骤1.3、将步骤1.2得到的等价模式的U(GP)进行旋转得到旋转不性的等价模式的LBP，具体可以表示为：步骤1.4、纹理图像f(x,y)的符号特征直方图Hi可表示为：进一步，所述步骤2中提取纹理图像f(x,y)的对比度差分能量特征的具体方法为：步骤2.1、计算每个像素点的对比度差分能量特征CDEF：在纹理图像f(x,y)上定义一个3*3的模块，在该模块上选择一个像素点为中心像素gc，对比度差分能量特征CDEF可由下式计算得到：其中gP为gc的邻域像素，1≤P本文档来自技高网...

【技术保护点】
1.一种基于对比度局部二值模式的图像纹理分类方法，其特征在于：包括以下步骤：步骤1、提取纹理图像f(x,y)的符号特征；步骤2、提取纹理图像f(x,y)的对比度差分能量特征；步骤3、提取纹理图像f(x,y)的中心像素特征；步骤4、将提取的纹理图像f(x,y)的符号特征、对比度差分能量特征以及中心像素特征进行整合，获得纹理图像f(x,y)的符号能量中心像素直方图特征，并建立直方图；步骤5、利用卡方距离和最近邻分类器对直方图进行分类。

【技术特征摘要】
1.一种基于对比度局部二值模式的图像纹理分类方法，其特征在于：包括以下步骤：步骤1、提取纹理图像f(x,y)的符号特征；步骤2、提取纹理图像f(x,y)的对比度差分能量特征；步骤3、提取纹理图像f(x,y)的中心像素特征；步骤4、将提取的纹理图像f(x,y)的符号特征、对比度差分能量特征以及中心像素特征进行整合，获得纹理图像f(x,y)的符号能量中心像素直方图特征，并建立直方图；步骤5、利用卡方距离和最近邻分类器对直方图进行分类。2.根据权利要求1所述的一种基于对比度局部二值模式的图像纹理分类方法，其特征在于：所述步骤1中纹理图像f(x,y)的符号特征的提取采用局部二值模式进行提取描述。3.根据权利要求1所述的一种基于对比度局部二值模式的图像纹理分类方法，其特征在于：所述步骤1中纹理图像f(x,y)的符号特征的具体提取方法为：步骤1.1、定义一个3*3的模块，在该模块上选择一个像素点为中心像素，比较该中心像素与周围8个邻域像素gP之间的大小，小于中心像素的用0表示，大于或等于中心像素的用1表示，则的符号特征可以表示为：步骤1.2、按照一个固定的方向将的符号特征视为首尾相接的环形，得到LBP的等价模式，用0到1的跳变次数U(GP)表示该等价模式，则：步骤1.3、将步骤1...

【专利技术属性】
技术研发人员：董永生，司马洁，梁灵飞，郑林涛，杨春蕾，王田玉，普杰信，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南,41