一种基于跳跃细分局部模式的图像纹理分类方法技术

一种基于跳跃细分局部模式的图像纹理分类方法，首先通过二阶差分计数特征和对角差分计数特征提取跳跃性局部差分计数特征(JLDCP)信息，然后通过细分化完整局部二值特征中的符号信息和大小信息提取细分化完整局部二值特征(RCLBP)，最后，通过连接跳跃性局部差分计数特征(JLDCP)和细分化完整局部二值特征(RCLBP)，得到跳跃性和细分化局部模式的纹理的描述符(JRLP)。本发明专利技术有益效果：本发明专利技术对图像噪声，旋转，尺度和光照变化等具有鲁棒性。

【技术实现步骤摘要】
一种基于跳跃细分局部模式的图像纹理分类方法
本专利技术涉及计算机视觉和模式识别
，具体地说是一种基于跳跃细分局部模式的图像纹理分类方法。
技术介绍
纹理是普遍存在又难以描述的视觉特征，是按照一定规则的基本单元的重复。人们对它的属性有以下共识，周期性，方向性，区域性和尺度性。人们一般将纹理分为三大类，自然纹理，人工纹理，混合纹理。纹理分类过程一般可简单总结如下：首先要读入所有的纹理图片。其次根据纹理特征的构造方法，构造每一个纹理图像的特征。接着把图片特征划分为训练集和测试集，最后利用分类器，并根据分类判断，对测试集中的图片进行分类，如最近邻分类器。同时还要统计分类正确率。图像特征提取是图像识别的关键步骤,图像特征提取的效果如何直接决定着图像识别的效果。近年来，从不同的角度出发，学者们已经提出了很多纹理分类方法，大致可分为两大类：空域法和变换域法。空域法：主要是根据空间上中心像素及其邻居像素点的关系来表示图像特征，主要有结构法、统计法、模型法。主要适用于易于旋转的纹理图像。变换域法：主要是利用变换系数来分析图像。主要有频谱法。能在更精细的尺度上来分析图像。局部二值模式(LBP)是一本文档来自技高网...

【技术保护点】
1.一种基于跳跃细分局部模式的图像纹理分类方法，其特征在于：包括以下步骤：步骤一、通过计算像素为M×N的待分类图像的二阶差分计数特征SDCP和对角差分计数特征DDCP提取待分类图像的跳跃性差分计数特征直方图VJLDCP；步骤二、提取待分类图像的细分化完整局部二值特征直方图VRCLBP，包含细分化完整局部二值符号特征RCLBP_S和细分化完整局部二值大小特征RCLBP_M；步骤三、将提取的跳跃性局部差分计数特征直方图VJLDCP和细分化局部二值特征直方图VJLDCP联合，通过卡方距离和最近邻分类器进行分类。

【技术特征摘要】
1.一种基于跳跃细分局部模式的图像纹理分类方法，其特征在于：包括以下步骤：步骤一、通过计算像素为M×N的待分类图像的二阶差分计数特征SDCP和对角差分计数特征DDCP提取待分类图像的跳跃性差分计数特征直方图VJLDCP；步骤二、提取待分类图像的细分化完整局部二值特征直方图VRCLBP，包含细分化完整局部二值符号特征RCLBP_S和细分化完整局部二值大小特征RCLBP_M；步骤三、将提取的跳跃性局部差分计数特征直方图VJLDCP和细分化局部二值特征直方图VJLDCP联合，通过卡方距离和最近邻分类器进行分类。2.根据权利要求1所述的一种基于跳跃细分局部模式的图像纹理分类方法，其特征在于：所述步骤一中提取待分类图像的跳跃性差分计数特征直方图VJLDCP的具体方法包括以下步骤：1.1、计算每个当前像素(x,y)的二阶差分计数特征SDCP(x,y):其中，(x,y)是当前像素的坐标，P是中心像素的邻居像素的个数，gi(x,y)是指局部区域中第i个邻居像素的像素值，g(i+1)(x,y)是指局部区域中第i+1个邻居像素的像素值，g(i+2)(x,y)是指局部区域中第i+2个邻居像素的像素值，s(a)是一个符号描述符，如果a是负数，则s(a)取0，否则，s(a)取1；1.2、提取待分类图像的二阶差分计数直方图特征Sa：1.3、计算每个当前像素(x,y)的对角差分计数特征DDCP(x,y):...

【专利技术属性】
技术研发人员：董永生，王田玉，杨春蕾，梁灵飞，郑林涛，谢国森，刘中华，王琳，宋斌，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南,41