一种基于迹变换的图像纹理特征融合提取方法技术

本发明专利技术公开了一种基于迹变换的图像纹理特征融合提取方法，该方法将迹变换进一步泛化，迹变换的三重纹理特征用到的泛函可以是其他特征提取方法。本方法先预处理图像，再通过迹线采样提取特征并全方位扫描图像，获得所有迹线特征，然后进行特征编码得到融合纹理特征向量。本发明专利技术实质提供了一种迹变换与其他特征提取方法的融合框架，在此框架下能衍生出各种不同的融合方法。通过本发明专利技术获得的融合纹理特征能抵抗光照及RST变化，对不同纹理图像有较好的泛化描述能力，鉴别力更高，稳定性更好，且改善了迹变换特征无实际物理意义的问题。

An Image Texture Feature Fusion Extraction Method Based on Trace Transform

【技术实现步骤摘要】
一种基于迹变换的图像纹理特征融合提取方法
本专利技术涉及计算机视觉技术在目标识别、图像检索等领域中的应用，特别是涉及一种基于迹变换的图像纹理特征融合提取方法。
技术介绍
图像特征提取在图像处理中起着关键性的作用，如何从图像中提取反应图像本质并具有强适应性的特征一直是图像处理及计算机视觉等领域的核心研究内容。众所周知，最常见的图像特征包括纹理、颜色和形状等，在这些特征的提取过程中，研究人员都试图寻找一些不变特征，当图像内容发生旋转、缩放、平移或是有光照及拍摄视点变化时，这些特征量具有不变性。图像不变特征分析方法主要有矩理论分析、相关性分析、傅里叶描述子、自回归模型、尺度不变特征转换等，还有就是使用Radon域及其泛化分析的方法，Radon变换将旋转变换转化为参数平移，能提取具有图像几何不变性的特征，迹变换(TraceTransform，TT)则是Radon变换的推广，通过迹变换能提取图像旋转、缩放及平移不变特征，近十几年迹变换已逐渐成为图像处理及计算机视觉等领域的研究热点之一。迹变换首先由Kadyrov.A和Petrou.M在1998年提出，他们同时提出了基于迹变换的三重不变特征提取理论。使用迹变换能提取图像RST(Rotation、ScaleandTranslation)不变特征，在不变图像分析领域，迹变换具有重要的几何不变特征提取理论意义，已经引起研究者的极大兴趣。目前已有大量研究迹变换的相关文献，迹变换已被广泛应用于各类图像分析识别中，如图像配准、人脸识别、行为识别、彩色图像分类、地震勘探等。AlbukhanajerW.A.使用迹变换获得更优分类性能的多分类器组合，并提出了进化迹变换算法(theevolutionarytracetransform，ETT)，ETT能提取不同版本相同图像的高不变性特征。SrisukS等人提出了形状迹变换(ShapeTraceTransform,STT)来表征人脸图像，通过一个新的Hausdorff上下文测度方法来估计两张人脸图像形状之间的相异性，其研究结果为人脸表示提供了一种新的具有较高鉴别性能的表征方法。吴宁等出了基于迹变换的径向迹时频峰值滤波方法并应用于中国东北部地震信号增强研究，在中国东北的合成地震数据上进行强噪声可衰减实验，表现出良好的性能。于冬岩在相似度度量方法的选择上，根据实验结果选择了改进的Hausdorff距离作为相似度度量方法，对基于Trace变换的不变特征提取算法和其他参考算法进行了对比实验，其结果表明基于Trace变换不变特征的图像检索方法对于存在RST变换的查询图像有较好的检索效果。迹变换通过图像重建和泛函组合作用提取图像不变特征，对图像定义不同的泛函能映射出不同的迹变换结果，通过迹变换提取的特征具有优秀的纹理描述性能，但迹变换需要众多的泛函组合来表征图像，其计算代价较高，且数学函数没有实际物理意义，缺乏对图像视觉特性的表达，若能针对不同问题不同应用选取合适的特征与迹变换融合有利于降低计算代价，且有利于迹变换的推广应用。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于迹变换的图像纹理特征融合提取方法，其充分利用迹变换特征较高的鉴别能力，同时把图像特征提取算法融合进迹变换的三重纹理特征提取过程中，融合多图像纹理特征来表征图像，能够降低迹变换的计算代价，并赋予迹变换特征实际的物理意义，最终获得更泛化更优鲁棒性的图像纹理特征。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种基于迹变换的图像纹理特征融合提取方法，其特征在于，顺序执行以下步骤：S1：图像预处理：输入待检测图像，对待检测图进行的预处理操作包括截取ROI区域、降灰度级和图像缩放或扩充，截取ROI区域为可选步骤，预处理后的图像记为I；S2：迹线扫描整幅图像：为减少采样误差，此步骤通过图像旋转及选择固定增量步长的迹线来实现，即对图像I以给定角度Δφ旋转，使所有等间距不同步长的迹线均旋转为垂直于水平轴的状态；S3：迹线特征提取：对所有迹线采样并进行特征提取，获得反映迹线特性的信息；S4：特征编码：采用直方图归一化方法进行特征编码，首先将每个角度i的所有迹线特征记为Ai＝[Di1,…,Dij,…,Din](i∈[1,360])，n为迹线条数，Dij是对迹线特征的描述，再统计Ai中每个特征值出现的频率，计算所有Ai的直方图，并对直方图进行归一化处理；S5：输出融合纹理特征向量：将S4得到的所有Ai的统计直方图连接成一个特征向量，得到能够表征一张图像的融合纹理特征向量。作为优选，还包括步骤S6：将S5得到的融合纹理特征与采用其它方法获得的图像特征进行多特征融合，输出最终的融合特征向量表征图像。作为优选，对步骤S5和步骤S6的结果进行增加特征选择或特征降维处理，以减少特征量。作为优选，所述S1中的截取ROI区域操作用于截取表情或人脸图像识别时，从图像中截取只包含人脸的区域；用于对象识别时，从图像中截取只包含对象的区域；S1中的降灰度级操作是将图像转为灰度级数为G的灰度图，G∈{8，16，32，64，128，256}，当G＝256时，表示仅转灰度图，但不作降级处理。作为优选，所述S1中的图像扩充操作，当图像大小为a×b时，将其扩充为正方形图像，扩充后的正方形大小为扩充部分值为0，记为作为优选，所述S3中的迹线纹理特征提取采用任一种取代迹变换算法中迹泛函的图像特征提取方法。作为优选，所述图像特征提取方法采用HOG图像纹理特征提取算法，具体算法步骤包括：先计算图像I的方向梯度，再用迹线扫描整幅梯度图像；在某个旋转角度i下，对第j条迹线t等分采样并进行HOG编码，计算所有垂直于水平轴的迹线的HOG纹理特征Dij，步骤S4中的直方图为方向梯度直方图。作为优选，所述图像特征提取方法采用LBP纹理特征提取算法，具体算法步骤为：直接用迹线扫描图像I，然后在每条迹线上采样并进行LBP编码，计算所有垂直于水平轴的迹线的LBP纹理特征，采样方式采用中心点等分采样法。作为优选，所述S4中对直方图进行归一化处理的公式为：其中Tmin为最小特征值，Tmax为最大特征值，ki表示图像中特征值为i的像素个数，Pi表示特征值i出现的频率，N表示图像的全部像素数，统计直方图归一化所用的特征值采用二进制数Dij转化为十进制后的数值。作为优选，所述S6中采用其它方法获得的图像特征为迹变换特征、颜色特征、几何特征、统计特征中的任意一种或几种组合。有益效果：本专利技术实质提供了一种基于迹变换与其他特征提取算法的融合框架，在这个框架下可以衍生出成千上万种具体的融合算法，本专利技术具体提供了基于迹变换的THOG或TLBP两种方法，详细说明了融合流程。采用本专利技术方法获得的融合纹理特征具有RST不变性，对不同纹理图像有较好的泛化描述能力，具有更高的稳定性。前期的THOG和TLBP实验结果表明，本专利技术获得的具体有益效果如下：(1)对低分辨率图像鉴别效果更优；(2)截取ROI的预处理过程去除了无价值信息和不利信息的影响，降低灰度级减少了大量冗余信息的产生且降低了计算复杂度，最终获得的纹理特征具备了更高的鉴别性能；(3)迹线全局扫描的方式与迹线上采用局部特征提取方法相结合，使得最终的特征兼顾了全局与局部关系描述的效果，描述信息更全本文档来自技高网...

【技术保护点】
1.一种基于迹变换的图像纹理特征融合提取方法，其特征在于，顺序执行以下步骤：S1：图像预处理：输入待检测图像，对待检测图进行的预处理操作包括截取ROI区域、降灰度级和图像扩充或缩放，截取ROI区域为可选步骤，预处理后的图像记为I；S2：迹线扫描整幅图像：为减少采样误差，此步骤通过图像旋转及选择固定增量步长的迹线来实现，即对图I以给定角度Δφ旋转，使所有等间距不同步长的迹线均旋转为垂直于水平轴的状态；S3：迹线特征提取：对所有迹线采样并进行特征提取，获得反映迹线特性的信息；S4：特征编码：采用直方图归一化方法进行特征编码，首先将每个角度i的所有迹线特征记为Ai＝[Di1,…,Dij,…,Din](i∈[1,360])，n为迹线条数，Dij是对迹线特征的描述，再统计Ai中每个特征值出现的频率，计算所有Ai的直方图，并对直方图进行归一化处理；S5：输出融合纹理特征向量：将S4得到的所有Ai的统计直方图连接成一个特征向量，得到能够表征一张图像的融合纹理特征向量。

【技术特征摘要】
1.一种基于迹变换的图像纹理特征融合提取方法，其特征在于，顺序执行以下步骤：S1：图像预处理：输入待检测图像，对待检测图进行的预处理操作包括截取ROI区域、降灰度级和图像扩充或缩放，截取ROI区域为可选步骤，预处理后的图像记为I；S2：迹线扫描整幅图像：为减少采样误差，此步骤通过图像旋转及选择固定增量步长的迹线来实现，即对图I以给定角度Δφ旋转，使所有等间距不同步长的迹线均旋转为垂直于水平轴的状态；S3：迹线特征提取：对所有迹线采样并进行特征提取，获得反映迹线特性的信息；S4：特征编码：采用直方图归一化方法进行特征编码，首先将每个角度i的所有迹线特征记为Ai＝[Di1,…,Dij,…,Din](i∈[1,360])，n为迹线条数，Dij是对迹线特征的描述，再统计Ai中每个特征值出现的频率，计算所有Ai的直方图，并对直方图进行归一化处理；S5：输出融合纹理特征向量：将S4得到的所有Ai的统计直方图连接成一个特征向量，得到能够表征一张图像的融合纹理特征向量。2.根据权利要求1所述的一种基于迹变换的图像纹理特征融合提取方法，其特征在于：还包括步骤S6：将S5得到的融合纹理特征与采用其它方法获得的图像特征进行多特征融合，输出最终的融合特征向量表征图像。3.根据权利要求2所述的一种基于迹变换的图像纹理特征融合提取方法，其特征在于：对步骤S5和步骤S6的结果进行增加特征选择或特征降维处理，以减少特征量。4.根据权利要求1所述的一种基于迹变换的图像纹理特征融合提取方法，其特征在于：所述S1中的截取ROI区域操作用于截取表情或人脸图像识别时，从图像中截取只包含人脸的区域；用于对象识别时，从图像中截取只包含对象的区域；S1中的降灰度级操作是将图像转为灰度级数为G的灰度图，G∈{8，16，32，64，128，256}...

【专利技术属性】
技术研发人员：汪宇玲，黄灵湛，黎明，何月顺，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：江西,36