一种基于LBP的图片相似判定方法技术

本发明专利技术公开了一种基于LBP的图片相似判定方法，在LBP方法之前，先压缩图片，调整像素灰度，之后做DCT变换，得到最简信息，然后进行LBP，之后摒弃了传统的直方图判断方法，而是采用LBP均值散列的方法，得到更多细节。

【技术实现步骤摘要】
一种基于LBP的图片相似判定方法
本专利技术涉及图像处理领域，特别涉及一种基于LBP的图片相似判定方法。
技术介绍
LBP(LocalBinaryPattern，局部二值模式)是一种用来描述图像局部纹理特征的算子；原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数(通常转换为十进制数即LBP码，共256种)，即得到该窗口中心像素点的LBP值，并用这个值来反映该区域的纹理信息。如图1所示。基本的LBP算子的最大缺陷在于它只覆盖了一个固定半径范围内的小区域，这显然不能满足不同尺寸和频率纹理的需要。圆形LBP算子：为了适应不同尺度的纹理特征，并达到灰度和旋转不变性的要求，Ojala等对LBP算子进行了改进，将3×3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域，改进后的LBP算子允许在半径为R的圆形邻域内有任意多个像素点。从而得到了诸如半径为R的圆形区域内含有P个采样点的LBP算子，图2所示。LBP旋转不变模式：从LBP的定义可以看出，LBP算子是灰度不变的，但却不是旋转不变的。图像的旋转就会得到不同的LBP值。Maenpaa等人又将LBP算子进行了扩展，提出了具有旋转不变性的LBP算子，即不断旋转圆形邻域得到一系列初始定义的LBP值，取其最小值作为该邻域的LBP值。图3给出了求取旋转不变的LBP的过程示意图，图中算子下方的数字表示该算子对应的LBP值，图中所示的8种LBP模式，经过旋转不变的处理，最终得到的具有旋转不变性的LBP值为15。也就是说，图中的8种LBP模式对应的旋转不变的LBP模式都是00001111。LBP等价模式：一个LBP算子可以产生不同的二进制模式，对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生P2种模式。很显然，随着邻域集内采样点数的增加，二进制模式的种类是急剧增加的。例如：5×5邻域内20个采样点，有220＝1,048,576种二进制模式。如此多的二值模式无论对于纹理的提取还是对于纹理的识别、分类及信息的存取都是不利的。同时，过多的模式种类对于纹理的表达是不利的。例如，将LBP算子用于纹理分类或人脸识别时，常采用LBP模式的统计直方图来表达图像的信息，而较多的模式种类将使得数据量过大，且直方图过于稀疏。因此，需要对原始的LBP模式进行降维，使得数据量减少的情况下能最好的代表图像的信息。为了解决二进制模式过多的问题，提高统计性，Ojala提出了采用一种“等价模式”(UniformPattern)来对LBP算子的模式种类进行降维。在实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，Ojala将“等价模式”定义为：当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类。如00000000(0次跳变)，00000111(只含一次从0到1的跳变)，10001111(先由1跳到0，再由0跳到1，共两次跳变)都是等价模式类。除等价模式类以外的模式都归为另一类，称为混合模式类，例如10010111(共四次跳变)。通过这样的改进，二进制模式的种类大大减少，而不会丢失任何信息。模式数量由原来的2P种减少为P(P-1)+2种，其中P表示邻域集内的采样点数。对于3×3邻域内8个采样点来说，二进制模式由原始的256种减少为58种，这使得特征向量的维数更少，并且可以减少高频噪声带来的影响。由上述综述可得知：变形之后的LBP很适合人脸及人物运动的判断，但是LBP的计算量庞大，没有效率优势，很难适应互联网海量图片相似的判断。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种基于LBP的图片相似判定方法。本专利技术提供的一种基于LBP的图片相似判定方法，包括以下步骤：第一步，压缩图片尺寸将图片压缩至64*64像素；第二步，将压缩图片灰度化将压缩图片降至64级灰度；第三步，DCT变换将灰度照片的每个像素进行DCT变换；第四步，计算每个像素点的LBP值对于每个区域中像素的DCT值与相邻的8个像素的DCT值进行比较，若周围像素值大于中心DCT值，则该像素点的位置被标记为1，否则为0；3*3邻域内的8个点经比较可产生8位二进制数，即得到该中心像素点的LBP值；第五步，建立LBP的散列计算LBP的均值，每个LBP值与均值对比，大于或等于记为1，小于记为0；采用一致性散列，得到64位基于LBP的散列值；第六步，对比判定将不同图片的LBP的散列值进行对比，小于或等于5，则判断近似。有益效果：本专利技术在LBP方法之前，先压缩图片，调整像素灰度，之后做DCT变换，得到最简信息，然后进行LBP，之后摒弃了传统的直方图判断方法，而是采用LBP均值散列的方法，得到更多细节。附图说明图1是LBP方法原理图。图2是圆形LBP方法原理图。图3是求取旋转不变的LBP的过程示意图。图4是原始图谱与LBP图谱。具体实施方式实施例：第一步，压缩图片尺寸将图片压缩至64*64像素；第二步，将压缩图片灰度化将压缩图片降至64级灰度；第三步，DCT变换将灰度照片的每个像素进行DCT变换；第四步，计算每个像素点的LBP值对于每个区域中像素的DCT值与相邻的8个像素的DCT值进行比较，若周围像素值大于中心DCT值，则该像素点的位置被标记为1，否则为0；3*3邻域内的8个点经比较可产生8位二进制数，即得到该中心像素点的LBP值；第五步，建立LBP的散列计算LBP的均值，每个LBP值与均值对比，大于或等于记为1，小于记为0；采用一致性散列，得到64位基于LBP的散列值；第六步，对比判定将不同图片的LBP的散列值进行对比，小于或等于5，则判断近似。本文档来自技高网...

【技术保护点】
一种基于LBP的图片相似判定方法，其特征在于，包括以下步骤：第一步，压缩图片尺寸将图片压缩至64*64像素；第二步，将压缩图片灰度化将压缩图片降至64级灰度；第三步，DCT变换将灰度照片的每个像素进行DCT变换；第四步，计算每个像素点的LBP值对于每个区域中像素的DCT值与相邻的8个像素的DCT值进行比较，若周围像素值大于中心DCT值，则该像素点的位置被标记为1，否则为0；3*3邻域内的8个点经比较可产生8位二进制数，即得到该中心像素点的LBP值；第五步，建立LBP的散列计算LBP的均值，每个LBP值与均值对比，大于或等于记为1，小于记为0；采用一致性散列，得到64位基于LBP的散列值；第六步，对比判定将不同图片的LBP的散列值进行对比，小于或等于5，则判断近似。

【技术特征摘要】
1.一种基于LBP的图片相似判定方法，其特征在于，包括以下步骤：第一步，压缩图片尺寸将图片压缩至64*64像素；第二步，将压缩图片灰度化将压缩图片降至64级灰度；第三步，DCT变换将灰度照片的每个像素进行DCT变换；第四步，计算每个像素点的LBP值对于每个区域中像素的DCT值与相邻的8个像素的DCT值进行比较，若周围像素值大于中心DCT...

【专利技术属性】
技术研发人员：王祝，
申请(专利权)人：奕响大连科技有限公司，
类型：发明
国别省市：辽宁,21