一种基于中心窗口变差的四象限分块模式的图像纹理特征提取方法技术

本发明专利技术公开了一种基于中心窗口变差的四象限分块模式的图像纹理特征提取方法，对任一2M×2N像素的图像区域，首先计算其中心部分M×N个像素值的和作为阈值，然后把该2M×2N像素的图像区域分解为4个M×N像素的子区域，再分别计算这4个子区域像素值的和并与阈值进行比较，若像素值的和大于或等于阈值，就置该子区域的位置编码值为1，否则为0；最后将四个子区域的位置编码值乘以对应的权重后进行求和，得到该2M×2N像素的图像区域的纹理特征值。本发明专利技术只需要用4个比特就能有效地表示物体的局部纹理信息，可应用于目标检测、识别和跟踪。

【技术实现步骤摘要】

本专利技术涉及机器视觉领域，尤其涉及一种图像纹理特征提取方法，可应用于目标 检测、识别和跟踪。
技术介绍
目标检测、识别与跟踪是模式识别领域的热点研究课题，然而由于光照变化、表情 变化、遮挡、复杂背景等干扰的存在，使得目标检测、识别和跟踪变得困难。近年来涌现出大 量基于纹理特征的目标检测、识别和跟踪方法，这些算法的准确性和应用效果很大程度上 取决于所用的纹理描述特征。 局部二元模式（LBP)是一种较为成熟的纹理特征提取方法。原始的LBP是定义在 3 X 3像素块上，通过计算中心点周围8个邻域的像素值与中心点像素值的差值，得到8比 特的LBP码。在目标检测、识别与跟踪中最常用的是定义在3X3区域上的多块局部二元模 式（MB-LBP)。对实时应用而言，MB-LBP仍具有较高的计算复杂度，不利于构建快速和鲁棒 的目标检测与跟踪系统。而且LBP在细节描述上，特别是在人脸识别等需要更精细化描述 的应用中，还有待改进。
技术实现思路
本专利技术的目的在于提出一种基于中心窗口变差的四象限分块模式的图像纹理特 征提取方法。相对于LBP纹理特征提取方法，该方法具有更低的计算复杂度，更准确的局部 纹理描述能力，更适合应用于目标检测、识别和跟踪。 为了实现上述目的，本专利技术采用如下技术方案： -种基于中心窗口变差的四象限分块模式的图像纹理特征提取方法，对任一 2MX2N(M彡2, N彡2)像素的图像区域进行图像纹理特征提取，通过如下步骤实现： 步骤1、计算位于区域中心的MXN个像素值的和，作为阈值保留； 步骤2、把该2MX2N像素的图像区域均分为4个MXN像素的子区域，并分别计算 这4个子区域像素值的和； 步骤3、分别将这4个子区域像素值的和与上述阈值进行比较，若像素值的和大于 或等于上述阈值就置该子区域的位置编码值为1，否则为〇 ; 步骤4、分别将这4个子区域的位置编码值乘以对应的权重后进行求和，得到该 2M X 2N像素的图像区域的纹理特征值。 采用上述方案后，本专利技术采用把图像区域分割成4个子区域再分别和中间区域进 行比较，根据变差确定其纹理特征值的方法，实际上就是比对沿对角线方向两个有重合部 分的图像子区域的差异性，这样能够更细致、准确地反映图像纹理的结构信息。此外，所提 取特征的二进制码长只有LBP的一半，计算复杂度低；可供选择的特征数远高于LBPJAS 拟合能力强。因此，本专利技术可更广泛地应用于目标检测、识别和跟踪领域。【附图说明】 图1为本专利技术的基于中心窗口变差的四象限分块模式特征提取示意图，其中M = N = 2,分块顺序依象限而定：序号0表示第1象限，序号1表示第2象限，以此类推。 以下结合附图和实施例对本专利技术作进一步详述。【具体实施方式】 如图1所示，本专利技术一种基于中心窗口变差的四象限分块模式的图像纹理特征值 的提取方法，对一个2MX2N(M多2，N多2)像素的图像区域进行图像纹理特征提取，通过如 下步骤实现： 步骤1、设该2MX2N(M彡2, N彡2)像素的图像区域左下角的坐标为（0,0)，右 上角的坐标为（2M-1，2N-1);计算左下角坐标为（INT(M/2)，INT(N/2))，右上角坐标为 (ΙΝΤ(Μ/2)+Μ-1，ΙΝΤ(Ν/2)+Ν-1)的中心区域MXN个像素值的和作为阈值C ;其中INT(*)为 取整运算。 例如，在图1中，M = N = 2,图像区域左下角的坐标为（0,0)，右上角的坐标为 (3, 3)。中心区域为斜线标出的区域，其左下角坐标为（1，1)，右上角坐标为（2, 2)。根据图 1中的（a)部分可求得阈值C = 55+50+53+52 = 210。 步骤2、把该2MX2N像素的图像区域均分为4个MXN像素的子区域，并分别计算 这4个子区域像素值的和g。， gl，g2, g3，其中序号0标志第1象限的块，序号1标志第2象限 的块，以此类推。 对图1中（a)部分的图像区域，可求得：g。= 62+60+55+70 = 247 ;类似的，可求得 gl= 201，g2= 196, g 3= 262。图1中（b)部分标出中心区域及对应的阈值以及4个子区 域及其像素值的和gn (η = 0, 1，2, 3)。 步骤3、分别计算这4个子区域的阈值函数s (gn，C) (η = 0, 1，2, 3)，其中阈值函数 定义为： 4个子区域的阈值函数如图1中（c)部分所示，分别为：s(gQ，C) = l，s(gl，C)= 0, s(g2, C) = 0, s(g3, C) = 1。 步骤4、通过下式计算该2MX2N像素的图像区域的图像纹理特征值 采用2进制数表示，该图像纹理特征值就是s (gn，C) (η = 0, 1，2, 3)的按序排列。 对图1所示的图像区域，其纹理特征值为：α = 〃1〇〇1〃。 以上所述，仅是本专利技术较佳实施例而已，并非对本专利技术的技术范围作任何限制，故 凡是依据本专利技术的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属 于本专利技术技术方案的范围内。【主权项】1. ，其特征在于： 对任一 2MX2N像素的图像区域进行图像纹理特征提取，通过如下步骤实现： 步骤1、计算位于区域中心的MXN个像素值的和，作为阈值保留； 步骤2、把该2MX2N像素的图像区域均分为4个MXN像素的子区域，并分别计算这4 个子区域像素值的和； 步骤3、分别将这4个子区域像素值的和与上述阈值进行比较，若像素值的和大于或等 于上述阈值就置该子区域的位置编码值为1，否则为0 ; 步骤4、分别将这4个子区域的位置编码值乘以对应的权重后进行求和，得到该2MX2N像素的图像区域的纹理特征值； 上述各步骤中，Μ彡2,N彡2。【专利摘要】本专利技术公开了，对任一2M×2N像素的图像区域，首先计算其中心部分M×N个像素值的和作为阈值，然后把该2M×2N像素的图像区域分解为4个M×N像素的子区域，再分别计算这4个子区域像素值的和并与阈值进行比较，若像素值的和大于或等于阈值，就置该子区域的位置编码值为1，否则为0；最后将四个子区域的位置编码值乘以对应的权重后进行求和，得到该2M×2N像素的图像区域的纹理特征值。本专利技术只需要用4个比特就能有效地表示物体的局部纹理信息，可应用于目标检测、识别和跟踪。【IPC分类】G06K9/46【公开号】CN105320956【申请号】CN201510661393【专利技术人】蔡灿辉, 葛祖贝, 曾焕强, 陈婧 【申请人】华侨大学【公开日】2016年2月10日【申请日】2015年10月14日本文档来自技高网...

【技术保护点】
一种基于中心窗口变差的四象限分块模式的图像纹理特征提取方法，其特征在于：对任一2M×2N像素的图像区域进行图像纹理特征提取，通过如下步骤实现：步骤1、计算位于区域中心的M×N个像素值的和，作为阈值保留；步骤2、把该2M×2N像素的图像区域均分为4个M×N像素的子区域，并分别计算这4个子区域像素值的和；步骤3、分别将这4个子区域像素值的和与上述阈值进行比较，若像素值的和大于或等于上述阈值就置该子区域的位置编码值为1，否则为0；步骤4、分别将这4个子区域的位置编码值乘以对应的权重后进行求和，得到该2M×2N像素的图像区域的纹理特征值；上述各步骤中，M≥2，N≥2。

【技术特征摘要】

【专利技术属性】
技术研发人员：蔡灿辉，葛祖贝，曾焕强，陈婧，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建;35