一种基于特征选择的局部差三进制序列图像特征描述方法技术

本发明专利技术公开了一种基于特征选择的局部差三进制序列图像特征描述方法，包括如下步骤：步骤一：图像采集设备采集图像信号并将所采集的图像信号上传给处理器；步骤二：处理器调用分辨率差值调整模块将步骤1中所采集的图像信号分辨率调整为，并将调整后的图像表示为图像矩阵；步骤三：处理器对步骤2中得到的图像矩阵进行多尺度分块；步骤四：在同一分块模式下，提取多尺度分块下的局部差三进制模式特征；步骤五：利用k均值空间下最小冗余的互信息特征选择方法对局部差三进制模式特征进行选择；得到图像最终的识别特征；步骤六：处理结果同步输出。本发明专利技术设计合理、实现方便，操作简便，图像特征提取速度快、效果好，实用性强。

A method of feature description based on feature selection for local difference three order sequence image

The invention discloses a method to describe the local difference feature selection three hexadecimal sequence based on the image features, including the following steps: image acquisition equipment acquisition image signal and the image signal processor to upload the collected; step two: processor call resolution difference value adjustment module will step in image resolution adjustment signal collected in 1 for, and the image is adjusted for image matrix; step three: image processor of matrix obtained in step 2 of multiscale block; step four: in the same block mode, extracting multi-scale block local three hex mode features; step five: using the minimum mutual information feature redundant K mean under the space selection method on three hex mode feature selection; image recognition features; step six: the synchronous transmission A. The invention has the advantages of reasonable design, convenient operation, simple operation, high speed, good effect and strong practicability.

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种基于特征选择的局部差三进制序列图像特征描述方法。
技术介绍
多年以来，图像特征描述在计算机视觉和模式识别领域是至关重要的一个环节，图像的局部特征提取方法已经取得了很大的发展。其中局部差二进制模式是一种非常优秀的图像特征描述方法，但是它仅仅计算了成对图像块之间的强度和梯度的差异，忽略了图像块本身的梯度，导致一部分完全不同图像抽取出相同的特征序列，如图1所示；此外，由于直接提取的特征维数太高，数据量太大，对于后面环节的识别速度和效率都不利。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供一种基于特征选择的局部差三进制序列图像特征描述方法，其设计合理、实现方便且投入成本低，操作简便，图像特征提取速度快、效果好，实用性强。本专利技术的目的是通过以下技术方案来实现的：这种基于特征选择的局部差三进制序列图像特征描述方法，包括如下步骤：步骤一：图像采集设备采集图像信号并将所采集的图像信号上传给处理器；步骤二：处理器调用分辨率差值调整模块将步骤1中所采集的图像信号分辨率调整为m×n，得到图像G；然后，处理器将调整后的图像G表示为m×n维的图像矩阵X；步骤三：处理器对步骤2中得到的图像矩阵X进行多尺度分块，表示为： X = X 11 X 12 ... X 1 q X 21 X 22 ... X 2 q ... ... ... ... X p 1 X p 2 X p q - - - ( 1 ) ]]>其中图像被分为了p×q块，p,q为自然数，分块图像序列Xi,j为每一个子块，每个子块的大小为其中i＝1,2,…p，i为图形矩阵的行标号，j＝1,2,…q，j为图像矩阵的列标号；步骤四：从步骤三中所得多尺度分块X中取a种连续分块模式，提取a种连续分块下的局部差三进制模式特征集合fm；步骤五：利用k均值空间下最小冗余的互信息特征选择方法对由步骤四中所得局部差三进制模式特征集合fm进行选择；得到图像最终的识别特征集合G；步骤六：处理器将步骤五中提取的图像最终的识别特征进行处理。进一步，上述步骤四具体为：步骤1)：对分块图像序列Xi,j的p×q个分块图像命名为Xk,其中k＝1,2,…,p×q；步骤2)：在同一种分块模式下，任意抽取其中两个互不相同图像块作为一个图像对，分别设为Xk1和Xk2其中k1,k2＝1,2,…,p×q且k1≠k2，图像块Xk1和Xk2的局部三进制差模式LDT(k1,k2)描述为：LDT(k1,k2)＝[τ′(Iave(k1),Iave(k2)，t)，g(dx(k1)，dx(k2))，g(dy(k1)，dy(k2))，ψ′(dx(k1))，ψ′(dy(k1))] (2)其中：Iave(k1)指分块图像Xk1的所有像素灰度值的平均值，τ′(Iave(k1),Iave(k2),t)的定义如下：其中abs()为求绝对值的函数，t为阈值；其中dx()和dy()分别表示一个图像在x方向和y方向的梯度； d y ( k 1 ) = ( Σ s = m / p / 2 + 1 m / p Σ t = 1 n / q X t 1 ( s , t ) - Σ s = 本文档来自技高网...

【技术保护点】
一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于，包括如下步骤：步骤一：图像采集设备采集图像信号并将所采集的图像信号上传给处理器；步骤二：处理器调用分辨率差值调整模块将步骤1中所采集的图像信号分辨率调整为m×n，得到图像G；然后，处理器将调整后的图像G表示为m×n维的图像矩阵X；步骤三：处理器对步骤2中得到的图像矩阵X进行多尺度分块，表示为：X=X11X12...X1qX21X22...X2q............Xp1Xp2Xpq---(1)]]>其中图像被分为了p×q块，p,q为自然数，分块图像序列Xi,j为每一个子块，每个子块的大小为其中i＝1,2,…p，i为图形矩阵的行标号，j＝1,2,…q，j为图像矩阵的列标号；步骤四：从步骤三中所得多尺度分块X中取a种连续分块模式，提取a种连续分块下的局部差三进制模式特征集合fm；步骤五：利用k均值空间下最小冗余的互信息特征选择方法对由步骤四中所得局部差三进制模式特征集合fm进行选择；得到图像最终的识别特征集合G；步骤六：处理器将步骤五中提取的图像最终的识别特征进行处理。

【技术特征摘要】
1.一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于，包括如下步骤：步骤一：图像采集设备采集图像信号并将所采集的图像信号上传给处理器；步骤二：处理器调用分辨率差值调整模块将步骤1中所采集的图像信号分辨率调整为m×n，得到图像G；然后，处理器将调整后的图像G表示为m×n维的图像矩阵X；步骤三：处理器对步骤2中得到的图像矩阵X进行多尺度分块，表示为： X = X 11 X 12 ... X 1 q X 21 X 22 ... X 2 q ... ... ... ... X p 1 X p 2 X p q - - - ( 1 ) ]]>其中图像被分为了p×q块，p,q为自然数，分块图像序列Xi,j为每一个子块，每个子块的大小为其中i＝1,2,…p，i为图形矩阵的行标号，j＝1,2,…q，j为图像矩阵的列标号；步骤四：从步骤三中所得多尺度分块X中取a种连续分块模式，提取a种连续分块下的局部差三进制模式特征集合fm；步骤五：利用k均值空间下最小冗余的互信息特征选择方法对由步骤四中所得局部差三进制模式特征集合fm进行选择；得到图像最终的识别特征集合G；步骤六：处理器将步骤五中提取的图像最终的识别特征进行处理。2.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：所述步骤四具体为：步骤1)：对分块图像序列Xi,j的p×q个分块图像命名为Xk,其中k＝1,2,…,p×q；步骤2)：在同一种分块模式下，任意抽取其中两个互不相同图像块作为一个图像对，分别设为Xk1和Xk2其中k1,k2＝1,2,…,p×q且k1≠k2，图像块Xk1和Xk2的局部三进制差模式LDT(k1,k2)描述为：LDT(k1,k2)＝[τ′(Iave(k1),Iave(k2),t),g(dx(k1),dx(k2)),g(dy(k1),dy(k2)),ψ′(dx(k1)),ψ′(dy(k1))] (2)其中：Iave(k1)指分块图像Xk1的所有像素灰度值的平均值，τ′(Iave(k1),Iave(k2),t)的定义如下：其中abs()为求绝对值的函数，t为阈值；其中dx()和dy()分别表示一个图像在x方向和y方向的梯度； d y ( k 1 ) = ( Σ s = m / p / 2 + 1 m / p Σ t = 1 n / q X k 1 ( s , t ) - Σ s = 1 m / p / 2 Σ t = 1 n / q X k 1 ( s , t ) ) / ( ( m / p ) × ( n / q ) ) - - - ( 6 ) ]]> d y ( k 1 ) = ( Σ s = 1 m / p Σ t = n / q / 2 + 1 n / q X k 1 ( s , t ) - Σ s = 1 m / p Σ t = 1 n / q / 2 X k 1 ( s , t ) ) / ( ( m / p ) × ( n / q ) ) - - - ( 7 ) ]]>同理可得： d y ( k 2 ) = ( Σ s = m / p / 2 + 1 m / p Σ t = 1 n / q X k 2 ( s , t ) - Σ s = 1 m / p / 2 Σ t = 1 n / q X k 2 ( s , t ) ) / ( ( m / p ) × ( n / q ) ) - - - ( 8 ) ]]> d y ( k 2 ) = ( Σ s = 1 m / p Σ t = n / q / 2 + 1 n / q X k 2 ( s , t ) - Σ s = 1 m / p Σ t = 1 n / q / 2 X k 2 ( s , t ) ) / ( ( m / p ) × ( n / q ) ) - - - ( 9 ) ]]>其中Xk1(s,t)和Xk2(s,t)分别表示Xk1和Xk2分块图像中s行t列的像素灰度值； ψ ′ ( d x ( k 1 ) ) : = 1 ...

【专利技术属性】
技术研发人员：高涛，赵祥模，刘占文，李思，王嘉锐，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61