本发明专利技术公开了一种基于Bipond特征的图像局部特征提取方法，所述Bipond特征不是简单地统计某区域内像素点的LBP值构成的直方图，而是统计该区域内LBP值满足某个属性I的点的个数，该属性通过一个8位无符号数(有且仅有两位为1)指定。所述Bipond特征计算简单，易于实现，不需要归一化等运算，计算速度快于Hog特征，并且检测精度高于Hog，将基于该特征提取的图像局部特征与大众分类器相结合，可使得基于该Bipond特征的检测器在性能和速度上均达到实际应用要求。
【技术实现步骤摘要】
本专利技术属于计算机视觉和图像处理领域，具体提出了一种图像局部特征描述符。
技术介绍
图像的特征设计是计算机视觉和图像处理领域研究的重要方面，将合适的特征和 分类器相结合是该领域的标准架构。例如，Haar特征与级联的Adaboost分类器结合，使得 人脸检测技术基本达到实用水平，Hog特征与SVM分类器的结合大大提升了行人检测的准 确率。 现在应用较多的特征包括Haar特征、Surf特征、Centrist特征和Hog特征等。 Haar特征计算若干相邻块的灰度差，因而过于简单而不能达到检测精度，因此只适用于人 脸检测这样简单的应用场合；Surf特征统计区域中多个点的灰度差，虽然它的辨别力好于 Haar特征，但仍然偏差，不能满足检测要求；Centrist特征统计区域中的各个点的LBP值 构成的直方图，其性能好于Surf特征；Hog特征度量区域中各个点的梯度方向构成的直方 图，是以上几个特征中辨别力最好，所以近年来在学术领域获得了广泛的使用，但是Hog特 征在计算时需要进行归一化等运算，这大大减缓了基于Hog特征的检测器的运行速度，难 以达到实时性的要求。
技术实现思路
本专利技术的目的是提出一种新的图像局部特征描述符。 本专利技术要解决的技术问题是，提供一种新的图像局部特征，该特征在辨别力上要 高于Hog特征，并且计算速度快于Hog,能够达到实时性要求。 为解决上述技术问题，本专利技术采取以下技术方案：提出一种图像局部特征描述符， 该特征统计某一区域内点的LBP值满足某个属性的点的个数，这一属性可以由一个8位无 符号数来指定，该特征可以与AdaBoost、随机森林、SVM分类器相结合使用。【附图说明】 图1-本专利技术中Bipond特征属性值计算方法【具体实施方式】 下面进一步阐述本专利技术所述的这一图像特征描述符。 Bipond特征描述符不是简单地统计区域内各个点的LBP值落入LBP直方图中各个 维度点的个数，而是统计满足某个属性的点的个数。具体地，Bipond特征包含以下成员： (1)区域R，对应一个矩形区域 (2)索引I，一个8位无符号数，其中有且仅有2位是1由于索引I为8位无符号 数，有且仅有2位为1,那么一共有28个索引。 Bipond特征的计算步骤具体为： 第一步，计算区域 R 中的点 pj 的 LBP(Local binary pattern)值为 Sj ; 第二步，如果Sj中由索引I指定的两位不相同，则认为这个点符合属性要求，公式 如下：(1) 其中?表示位与运算 该公式判断出索引I所指定的s中的两位，相同则为〇,不同则输出为1，例如图1。 第三步，统计出区域R内符合属性要求的点的个数，记为该特征的特征值，公式如 下： (2) 本专利技术介绍的Bipond特征有如下两种使用方式： 第一种：对于AdaBoos t和随机森林分类器，训练随机生成一组Bipond特征（它 们一般对应图像中不同的区域，有着不同的索引），然后按照某种规则选择一个最佳的 Bipond 特征。 第二种：对于SVM分类器，将一个图片划分为网格，在每个网格中计算全部28个索 引对应的特征值，然后将这些特征值连接成一个向量，最后将这个向量送至SVM分类器进 行分类。在实际图片上进行检测时，由于没有归一化等操作，因而可以大大加快运行速度。 本专利技术所介绍的特征与Hog特征相比计算更加简单，易于实现，并且该特征不需 要归一化等运算，所以计算速度快于Hog,并且大量实验数据表明Bipond特征检测精度更 高，辨别力更强。【主权项】1. 一种图像局部特征描述符，其特征在于：包括以下属性： (1)图像中的某块区域R; ⑵索引I。2. 如权利要求1所述的一种图像局部特征描述符，其特征在于索引I是一个8位无符 号数，有且仅有两位为1，其余位为0,故索引共有28个值。3.-种图像局部特征描述符，其特征在于：包括以下步骤： (1) 计算图像中某块区域R中的点pj的LBP(Localbinarypattern)值为Sj; (2) 如果h中由索引I指定的两位不相同，则认为这个点符合属性要求，公式如下：其中?表示位与运算 (1)统计出区域R内符合属性要求的点的个数，记为该特征描述符的特征值，公式如 下：4.一种图像局部特征描述符，其特征在于：根据不同的分类器，该特征描述符有两种 使用方式： (1) 对于AdaBoost和随机森林分类器，训练随机生成一组Bipond特征（它们一般对 应图像中不同的区域，有着不同的索引），然后按照某种规则选择一个最佳的Bipond特征； (2) 对于SVM分类器，将一个图片划分为网格，在每个网格中计算全部28个索引对应的 特征值，然后将这些特征值连接成一个向量，最后将这个向量送至SVM分类器进行分类。【专利摘要】本专利技术公开了一种图像局部特征描述符，称之为Bipond特征，该特征不是简单地统计某区域内像素点的LBP值构成的直方图，而是统计该区域内LBP值满足某个属性I的点的个数，该属性通过一个8位无符号数(有且仅有两位为1)指定。该特征计算简单，易于实现，不需要归一化等运算，计算速度快于Hog特征，并且检测精度高于Hog。【IPC分类】G06T7/00, G06K9/46【公开号】CN104915669【申请号】CN201410088671【专利技术人】单志辉, 刘宇 【申请人】南京壹进制信息技术有限公司【公开日】2015年9月16日【申请日】2014年3月12日本文档来自技高网...
【技术保护点】
一种图像局部特征描述符，其特征在于：包括以下属性： (1)图像中的某块区域R； (2)索引I。
【技术特征摘要】
【专利技术属性】
技术研发人员：单志辉，刘宇，
申请(专利权)人：南京壹进制信息技术有限公司，
类型：发明
国别省市：江苏;32
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。