【技术实现步骤摘要】
抗噪声的多尺度局部二值模式特征表示方法
本专利技术涉及一种多尺度局部二值模式特征表示方法。特别是涉及一种针对含有噪 声图像的纹理特征提取和表示的抗噪声的多尺度局部二值模式特征表示方法。
技术介绍
图像的视觉表示技术是多媒体分析、机器视觉等领域的研究基础,而纹理是其中 重要的一类特征。纹理在自然界中普遍存在,几乎所有自然界事物的表面都是一种纹理。早 期的纹理特征提取方法侧重于对图像的统计分析,主要包括:共生矩阵方法和基于滤波的 方法,例如Gabor滤波、小波变换、灰度共生矩阵等。但通过这些方法提取的特征均不具有 旋转不变性,只有在训练样本和测试样本之间具有相同或者近似的方向时,才能够达到较 好的分类效果。然而,现实中纹理图像的方向大都是任意的,因此,这就要求提取的特征应 具有旋转不变性。 一个重要的具有旋转不变特性的纹理特征表示方法就是T. Ojala等人于1996年 提出的局部二值模式(Local Binary Pattern, LBP)特征。LBP特征通过比较邻域像素和中 心像素灰度值的差异性,生成代表图像局部特征的二进制编码,是一种能够简单,有效的描 述图像局部模式的特征,并且能够在典型的纹理分类数据库上达到令人满意的分类效果。 由于原始LBP特征的简单有效性,学者们对LBP的研究依然还在继续,例如2012年在第11 届亚洲计算机视觉会议(ACCV)上举办了关于LBP改进算法的第一次国际研讨会,2014年在 欧洲计算机视觉会议(ECCV)上举办了关于LBP算法的第二次国际研讨会。因此,LBP特征 不断被改进,并广泛应用于 ...
【技术保护点】
一种抗噪声的多尺度局部二值模式特征表示方法,其特征在于,包括如下步骤:1)对原图像进行两次降采样形成多尺度下的纹理图像,第一次降采样是对原图像中2×2大小的块经过无重叠区域的块采样后,使采样后图像的尺寸变为原图像的一半,第二次降采样是对原图像中3×3大小的块经过无重叠区域的块采样后,使采样后图像的尺寸变为原图像的1/3;2)分别对不同尺度下的图像提取LBP特征,或提取LBP改进算法的特征;3)将所得到的LBP特征或LBP改进算法的特征串联,形成的新特征即为最终的特征。
【技术特征摘要】
1. 一种抗噪声的多尺度局部二值模式特征表示方法,其特征在于,包括如下步骤: 1) 对原图像进行两次降采样形成多尺度下的纹理图像,第一次降采样是对原图像中 2X2大小的块经过无重叠区域的块采样后,使采样后图像的尺寸变为原图像的一半,第二 次降采样是对原图像中3X3大小的块经过无重叠区域的块采样后,使采样后图像的尺寸 变为原图像的1/3 ; 2) 分别对不同尺度下的图像提取LBP特征,或提取LBP改进算法的特征; 3) 将所得到的LBP特征或LBP改进算法的特征串联,形成的新特征即为最终的特征。2. 根据权利要求1所述的一种抗噪声的多尺度局部二值模式特征表示方法,其特征在 于,步骤1)所述的对原图像进行降采样是采用均值处理方法、中值处理方法和混合处理方 法中的一种对原图像进行降采样处理。3. 根据权利要求2所述的一种抗噪声的多尺度局部二值模式特征表示方法,其特征在 于,所述的均值处理方法,是将提取出的2X2和3X3的块取均值后作为新图像对应元素的 灰度值,具体计算公式如下:其中,nXn为选取的图像块的大小,gi为图像块中对应元素的灰度值,gn为生成的新 元素的灰度值,由均值处理方法形成的新特征的名称为NTLBP_Mean。4. 根据权利要求2所述的一种抗噪声的多尺度局部二值模式特征表示方法,其特征在 于,所述的中值处...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。