基于扩展四元局部二值模式的彩色图像特征提取方法技术

本发明专利技术涉及一种基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：输入一幅RGB彩色图像，并在RGB彩色空间中计算梯度特征；将彩色图像和梯度特征图像用四元数进行表示；在四元数域计算模和相位特征；对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；将所得三个特征直方图级联，作为最终的特征来描述彩色图像。本发明专利技术一种基于扩展四元局部二值模式的彩色图像特征提取方法，能够同时处理彩色图像的各个通道，提高传统LBP方法对彩色图像的描述能力。

【技术实现步骤摘要】
基于扩展四元局部二值模式的彩色图像特征提取方法
本专利技术涉及数字图像处理、计算机视觉领域，具体涉及一种基于扩展四元局部二值模式的彩色图像特征提取方法。
技术介绍
利用现代化计算机和多媒体技术进行视觉任务时，通常使用特征提取算法(即图像描述符)来获取图像的特征信息，然后利用所获取的图像特征描述图像。许多研究者认为图像特征提取是任何计算机视觉和数字图像处理问题中最关键的步骤之一，提取特征的优劣直接影响视觉任务的最终性能。因此，图像特征提取方法具有重要的研究价值。近年来，图像特征提取方法逐渐成为计算机视觉和模式识别领域研究的重要课题之一，并提出了各种各样的图像特征提取算法。其中代表性的方法有：灰度共生矩阵(Gray-LevelCo-occurrenceMatrix,GLCM)、尺度不变特征变换(ScaleInvariantFeatureTransform,SIFT)、梯度方向直方图(HistogramsofOrientedGradients,HOG)、局部二值模式(LocalBinaryPattern，LBP)等。LBP方法具有计算复杂度低、线性灰度不变性、无需训练学习和易于工程实现等众多优点，因此被广泛应用于纹理分类、人脸识别、图像检索和行人检测等领域。随着成像技术和多媒体技术的快速发展，彩色图像逐渐取代了传统的灰度图像，而对于人类的视觉系统而言，颜色是最主要且具有区分力的视觉特征。但是包括GLCM、SIFT、HOG和LBP等绝大多数图像特征提取算法都是将彩色图像转化为相应的灰度图像来处理。针对彩色图像的处理，基于LBP的特征提取方法通常采用两种做法，一种是将彩色图像转化为灰度图像进行处理，另一种是分别在彩色图像的每个通道进行处理。第一种做法没有利用图像的任何颜色信息，而第二种做法未考虑各个彩色通道之间的相关性。为了能同时处理彩色图像的各个通道，研究者利用纯四元数(实部为0)来表示彩色图像的三个通道，这使得四元数的相位特征无法被利用，而四元数的相位特征包含了实部与虚部之间的相互关系。针对以上不足，本专利技术提出一种基于扩展四元局部二值模式的彩色图像特征提取方法。
技术实现思路
本专利技术所要解决的问题是提供一种基于扩展四元局部二值模式的彩色图像特征提取方法，所述方法能够同时处理彩色图像的各个通道，提高传统LBP方法对彩色图像的描述能力。本文专利技术解决上述问题的技术方案如下：一种基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：步骤1，输入一幅RGB彩色图像，获得R(红色)、G(蓝色)、B(绿色)三个通道分量，并在RGB彩色空间中计算图像的梯度特征，得到梯度特征图；步骤2，将彩色图像和梯度特征图像用四元数进行表示；步骤3，在四元数域计算模和相位特征，得到模特征图和相位特征图；步骤4，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；步骤5，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。本文专利技术与现有技术相比具有以下优点：第一，本专利技术结合四元数的代数性质能够同时处理彩色图像的所有通道，考虑了各个彩色通道之间的相互关系；第二，本专利技术将彩色图像处理中传统的纯四元数从3维扩展到4维，将对应的图像梯度值作为四元数的实部，解决了纯四元数相位特征无法使用的问题，而四元数的相位特征恰恰反映了实部虚部之间的相互关系，即在本专利技术中四元数的相位特征表达了彩色图像梯度与三个颜色分量之间的相互关系，深入刻画了图像的固有信息特征；本专利技术中四元数的实部选择并不局限于梯度值，可以有多种选择方案，例如，梯度值或R、G、B的平均值或彩色图像的灰度值；第三，本专利技术在四元数的模、相位与彩色空间梯度特征图的基础上再提取LBP特征，有助于编码图像的局部结构信息。附图说明图1为本专利技术基于扩展四元局部二值模式的彩色图像特征提取方法流程图。图2为本专利技术提取LBP特征示意图。图3为本专利技术特征直方图级联示意图。具体实施方式以下结合附图和具体实施方法对本专利技术的原理作进一步说明。参照图1，本专利技术基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：获得输入图像的各个通道分量并计算梯度特征、四元数表示、在四元数域计算模和相位特征、提取LBP特征、特征直方图级联。步骤1，输入一幅RGB彩色图像I，可获得R、G、B各个通道分量，然后在RGB空间中计算梯度特征，具体计算过程为：令r、g、b为RGB彩色空间中沿R、G和B轴的单位向量，定义向量：根据向量的点积，并定义：式中，(x,y)表示像素位置，则彩色图像的梯度特征可计算为：式中，θ(x,y)为梯度方向：所计算的梯度特征突出了彩色图像的边缘、条纹和锐度等颜色的偏移；步骤2，使用四元数的三个虚部系数和实部分别表示每个像素位置(x,y)处对应的R、G、B值和梯度值，具体为：式中，i、j、k为三个虚数单位，经过此步骤，彩色图像和梯度特征图像可由一个四元数矩阵进行表示；步骤3，计算四元数矩阵的模和相位特征，得到模特征图和相位特征图，具体计算公式为：式中，M(x,y)和Φ(x,y)分别表示四元数矩阵的模和相位特征，M(x,y)同时包含了彩色图像各个颜色分量与梯度信息，Φ(x,y)强调了各个颜色分量与梯度之间的相互关系；步骤4，参照图2，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算特征直方图，具体为：步骤4.1，对于输入图像的某一像素(中心像素)，计算近邻像素；步骤4.2，近邻像素二值化：计算近邻像素与中心像素的差分值，若差分值大于等于0则将对应位置的近邻像素编码为1，反之则编码为0；步骤4.3，按照图2所示起点和顺时针方向将二进制编码转换为十进制，并作为中心像素的LBP编码值；LBP编码可公式表示为：式中，r和P分别表示近邻采样的半径和近邻像素个数；ic和ip分别表示中心像素与第p个近邻像素的像素值；φ(·)表示输入的特征图像，本专利技术中为梯度特征图F(x,y)、模特征图M(x,y)和相位特征图Φ(x,y)；s为符号函数；步骤4.4，对输入特征图中的每一个像素重复步骤4.1-4.3，在计算出所有像素的LBP编码之后，计算所有LBP编码的统计直方图；步骤5，参照图3，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。本文档来自技高网...

【技术保护点】
1.一种基于扩展四元局部二值模式的彩色图像特征提取方法，其特征在于，包括以下步骤：步骤1，输入一幅RGB彩色图像，获得R(红色)、G(蓝色)、B(绿色)三个通道分量，并在RGB彩色空间中计算图像的梯度特征；步骤2，将彩色图像和梯度特征图像用四元数进行表示；步骤3，在四元数域计算模和相位特征，得到模特征图和相位特征图；步骤4，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；步骤5，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。

【技术特征摘要】
1.一种基于扩展四元局部二值模式的彩色图像特征提取方法，其特征在于，包括以下步骤：步骤1，输入一幅RGB彩色图像，获得R(红色)、G(蓝色)、B(绿色)三个通道分量，并在RGB彩色空间中计算图像的梯度特征；步骤2，将彩色图像和梯度特征图像用四元数进行表示；步骤3，在四元数域计算模和相位特征，得到模特征图和相位特征图；步骤4，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；步骤5，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。2.根据权利要求1所述方法，其特征在于，所述步骤2中，将彩色图像和梯度特征图像用四元数进行表示，具体为：使用四元数的三个虚部系...

【专利技术属性】
技术研发人员：辛亮亮，宋铁成，张刚，张天骐，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50