一种基于多尺度采样的纹理图像表示方法技术

一种基于多尺度采样的纹理图像表示方法，对纹理图像进行旋转不变性处理，一个纹理图像的像素由符号模式和大小模式表示，通过连接同一尺度下的采样方向均值向量和频率向量，我们能够得到图像纹理单一尺度的旋转不变性表示特征，通过把不同尺度下的旋转不变性表示特征进行连接，得到用于表示纹理图像的多尺度旋转不变性表示特征，利用提取的MRIR特征，通过KNN分类器对纹理图像进行分类。本发明专利技术有益效果：本发明专利技术针对不同的成像条件，例如光照变化、图像旋转等，都能够获取很好的分类性能；同时，在保证分类性能的情况下，提取的特征还能够实现快速的纹理图像分类。

A texture image representation method based on multi scale sampling

A representation method of texture image multi-scale sampling based on texture image rotation invariance, a texture image pixel represented by the sign pattern and size model, by connecting the same scale under the direction of the mean vector and sampling frequency vector, we can get the rotation invariance of image texture feature representation by a single scale. The rotation invariance under different scale characteristics of the connection, for multiscale representation of rotation invariant texture image feature representation, feature extraction using MRIR and classification using KNN classifier for texture image. The invention has the beneficial effects of the invention for different imaging conditions, such as changes in illumination, image rotation, can obtain good classification performance; at the same time, in order to ensure the classification performance under the condition that the extracted features can also realize the fast texture image classification.

【技术实现步骤摘要】

本专利技术涉及模式识别和计算机视觉领域的纹理图像分类，具体地说是一种基于多尺度采样的纹理图像表示方法。
技术介绍
作为图像表面的基本特征，纹理具有周期性、方向性和多尺度等基本属性。也即是说，不同的纹理图像具有不同的纹理排布规律。所以，组成纹理的基本元素的统计特征可以作为纹理图像识别的一个重要标识。因此，纹理成为了计算机视觉和模式识别领域研究的主要对象之一。在过去的几十年里提出了很多基于纹理的纹理表示方法，例如基于局部二值模式（LocalBinaryPattern,LBP）的纹理特征表示方法。通过对与纹理研究相关的文献的分析和总结可以发现，有关纹理的研究方法大致可以分为两大类：基于变换域的和基于空域的方法。前者主要是通过小波变换来捕获图像纹理的方向多尺度信息，并用变换域的子带能量特征表示纹理图像。这类方法对图像的旋转很敏感，当图像有一定角度的旋转时，其特征的识别能力在进行纹理图像分类时会大大降低。后者主要是对图像纹理的局部结构进行分析，通过构造图像纹理的基本单元，即纹理基元，根据统计分析来表示纹理图像。虽然这类方法能够很好地实现图像旋转不变性，但是其忽略了图像纹理的宏观结构信息和方向多尺度信息。因此，导致这类方法所提取特征的识别能力在进行纹理图像分类时并不是很理想。根据上述的分析，本专利以空域方法为背景，在对图像纹理局部结构分析的基础上，提出针对上述问题的解决方案。在基于空域的纹理分类方法中，LBP纹理特征表示方法是推广和应用最广泛的方法之一。虽然它能很好的实现灰度和旋转不变性，但是该方法主要分析了纹理的局部结构信息，没有很好的利用图像纹理的宏观结构和多尺度信息。因此，本专利就是根据LBP方法的思想，提出既包含纹理的宏观信息又包含尺度信息的纹理图像特征表示方法，以实现对纹理图像快速的分类。
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多尺度采样的纹理图像表示方法，提高纹理图像分类精度，在保证分类性能的同时能够实现快速的纹理图像分类。本专利技术为解决上述技术问题所采用的技术方案是：一种基于多尺度采样的纹理图像表示方法，包括以下步骤：步骤一、对纹理图像进行旋转不变性处理，其具体步骤如下：计算原始图像的大小模式图像MP：即对于纹理图像中的任一像素，该像素周围的P个邻居像素为，i=1,2,…,P，则；计算原始图像的符号模式图像SP：即对于纹理图像中的任一像素，，其中s(x)为符号函数，其满足当x≥0时s(x)=1，否则s(x)=0；步骤二、对大小模式图像MP进行L尺度的小波分解，得到3*L个高频子带和一个低频子带；步骤三、对符号模式图像进行L次的下采样得到不同尺度下的步函数，用表示第i个尺度下的步函数的值，表示符号模式图像，则，其中表示每隔一行和一列对分布采一次样，由此得到L+1步函数值的分布；步骤四、根据步函数值的分布，对大小模式图像MP的每一个高频子带的系数进行划分，所有子带划分用集合表示，则在第i个尺度上，第j个M×N的子带的第k个划分为：，其中，U表示将合并到集合{本文档来自技高网...

【技术保护点】
一种基于多尺度采样的纹理图像表示方法，其特征在于：包括以下步骤：步骤一、对纹理图像进行旋转不变性处理，其具体步骤如下：计算原始图像的大小模式图像MP：即对于纹理图像中的任一像素，该像素周围的P个邻居像素为，i=1,2,…,P，则；计算原始图像的符号模式图像SP：即对于纹理图像中的任一像素，，其中s(x)为符号函数，其满足当x≥0时s(x)=1，否则s(x)=0；步骤二、对大小模式图像MP进行L尺度的小波分解，得到3*L个高频子带和一个低频子带；步骤三、对符号模式图像进行L次的下采样得到不同尺度下的步函数，用表示第i个尺度下的步函数的值，表示符号模式图像，则， 其中表示每隔一行和一列对分布采一次样，由此得到L+1步函数值的分布；步骤四、根据步函数值的分布，对大小模式图像MP的每一个高频子带的系数进行划分，所有子带划分用集合表示，则在第i个尺度上，第j个M×N的子带的第k个划分为：，其中，U表示将合并到集合{}中，和分别为和在（x,y）处的高频子带系数和步函数值，该高频子带划分的均值为，其中表示集合里面的第τ个元素；由均值构造第j个高频子带的采样方向均值向量，用SDMV表示，则；对于M×N的，构造它的的频率向量FV=(B0,B1,…Bp)， 其中表示FV中的第k个元素的值；同理，对于低频子带，构造它的采样方向均值向量SDMV0，对于原始的符号模式图像SP，构造它的频率向量FV0；步骤五、纹理图像的第i尺度下的旋转不变性用RIR表示，根据步骤四得到的SDMVij和FVi得到；同理，对于低频子带和原始的符号模式图像SP，可以获取它们的旋转不变性表示RIR0，因此，纹理图像的多尺度旋转不变性表示特征MRIR为：；步骤六、利用步骤五提取的MRIR特征，通过KNN分类器对纹理图像进行分类。...

【技术特征摘要】
1.一种基于多尺度采样的纹理图像表示方法，其特征在于：包括以下步骤：步骤一、对纹理图像进行旋转不变性处理，其具体步骤如下：计算原始图像的大小模式图像MP：即对于纹理图像中的任一像素，该像素周围的P个邻居像素为，i=1,2,…,P，则；计算原始图像的符号模式图像SP：即对于纹理图像中的任一像素，，其中s(x)为符号函数，其满足当x≥0时s(x)=1，否则s(x)=0；步骤二、对大小模式图像MP进行L尺度的小...

【专利技术属性】
技术研发人员：董永生，冯金旺，郑林涛，王晓红，杨春蕾，梁灵飞，张蕾，普杰信，吴庆涛，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41