一种基于局部方向极值模式的图像纹理分类方法技术

一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：首先通过计算局部方向差分计数模式‑奇数位置DLDCP‑OP和局部方向差分计数模式‑偶数位置DLDCP‑EP，组成局部方向差分计数模式直方图VDLDCP；其次提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。本发明专利技术有效的捕获了图像纹理的方向信息和像素强度信息，通过连接局部方向差分计数模式和邻域极值局部模式，得到基于方向极值化局部模式的图像纹理分类方法。

An image texture classification method based on local direction extremum pattern

【技术实现步骤摘要】
一种基于局部方向极值模式的图像纹理分类方法
本专利技术属于图像处理和模式识别领域，具体涉及一种基于局部方向极值模式的图像纹理分类方法。
技术介绍
近年来，多种图像纹理分类方法被提出，大致分为以下两类：空域方法和频域方法。空域方法适用于旋转图像的处理，频域方法适用于非旋转图像的处理，针对目前图像纹理分类方法存在的以下问题：纹理特征单一，对图像旋转、光照、尺度变化、视角变化和噪声等不具有鲁棒性。本专利技术在空域方法的研究基础上，利用图像纹理的局部方向信息和像素强度信息提出了一个有效的纹理描述符。
技术实现思路
为了解决上述问题，本专利技术提供了一种基于局部方向极值模式的图像纹理分类方法。本专利技术的技术方案是：一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：S1、通过计算局部方向差分计数模式-奇数位置DLDCP-OP和局部方向差分计数模式-偶数位置DLDCP-EP，组成局部方向差分计数模式直方图VDLDCP；S2、提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；S3、将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。进一步优化，步骤S1中局部方向差分计数模式直方图VDLDCP的具体计算步骤如下：1)、计算像素(x,y)的局部方向差分计数模式-奇数位置符号特征DLDCP-OP_S为其中，gi(x,y)是局部区域邻域里第i个位置的像素值，gc(x,y)是中心像素值，s(a)是符号描述符,如果中心像素小于邻域像素，s(a)取1，否则，s(a)取0；2)、计算像素(x,y)的局部方向差分计数模式-奇数位置大小特征DLDCP-OP_M为:mi(x,y)＝|gi(x,y)-gc(x,y)|其中，mi(x,y)是邻域像素和中心像素点的绝对值，mc(x,y)是对图像中的mi(x,y)求平均值；3)、计算像素(x,y)的局部方向差分计数模式-中心特征DLDCP_C为:DLDCP_C＝s(gc(x,y)-Ic)其中，Ic代表图像中全部像素点的平均值；4)、计算像素(x,y)的局部方向差分计数模式-偶数位置符号特征DLDCP-EP_S为:5)、计算像素(x,y)的局部方向差分计数模式-偶数位置大小特征DLDCP-EP_M为:mi(x,y)＝|gi(x,y)-gc(x,y)|；6)、首先串联DLDCP-OP_S、DLDCP-OP_M、DLDCP_C特征，接着串联DLDCP-EP_S、DLDCP-EP_M、DLDCP_C特征，最后将两个串联的特征并联可得到局部方向差分计数模式直方图VDLDCP。进一步优化，所述步骤S2中邻域极值局部模式直方图VNERLP的实现如下：1)、计算像素(x,y)的极值位置模式ELP:邻域最大值的位置信息L1可表示为其中V1代表局部区域里中心像素周围的邻域像素中出现的最大像素值，邻域最小值的位置信息L2可表示为其中V2代表局部区域里，中心像素周围的邻域像素中出现的最小像素值。2)、计算像素(x,y)的邻域差分符号模式EDP_S为:b＝(V1+V2)/2其中，P是局部区域里中心像素周围的邻域像素点的个数，gi-1(x，y)是局部区域里中心像素周围的邻域像素中第i-1个位置的像素值，b是局部区域里中心像素周围的邻域像素中出现的最大像素值和最小像素值的平均数，Us是二进制序列中0和1之间的空间变换次数，gP-1(x，y)是局部区域里，中心像素的邻域像素中第P-1个位置的像素值；3)、计算像素(x,y)的邻域差分大小模式EDP_M为:ni(x,y)＝|gi(x,y)-b|其中，ni(x，y)是局部区域里中心像素周围的第i个位置的邻域像素与b做差的绝对值，nc(b)指整个图像中ni(x,y)的平均数，Un是二进制序列中0和1之间的变换次数。4)、计算像素(x,y)的极值压缩模式ECP:ECP＝mod(gc(x,y),(ECP_S+ECP_M))首先串联L1和L2，然后串联EDP_S和EDP_M，最后将ECP和以上串联所得到的特征并联，得到邻域极值局部模式直方图VNERLP。进一步优化，在所述步骤S3中，将局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP并联后得到方向极值化局部模式VLDEP。进一步优化，所述在步骤S3中，根据卡方距离测量样本间的相似性，并根据最近邻分类器进行分类，即根据卡方距离的大小，测试样本被分到距离最小的训练样本所属的类别。进一步优化，所述卡方距离的测量计算公式如下：其中，rM是训练样本，rN是测试样本，S是特征中被划分的类别数目，是测试样本在第j个元素上的数值，是训练样本的图片在第j个元素上的数值。附图说明图1为DLDCP-OP_S、DLDCP-EP_S、和DLDCP_C的直方图；图2为DLDCP-OP_M和DLDCP-EP_M的直方图；图3为邻居极值局部模式示意图；图4为纹理分类方法LDEP的框架示意图；图5为在泊松噪声影响下与六种方法比较的分类正确率分布图；图6为在斑点噪声影响下与六种方法比较的分类正确率分布图；图7为在椒盐噪声影响下与六种方法比较的分类正确率分布图。本专利技术的有益效果是：本专利技术有效的捕获了图像纹理的方向信息和像素强度信息，首先局部方向差分计数模式通过奇数位置的局部方向差分计数模式和偶数位置的局部方向差分计数模式被提取，用于提取图像纹理的局部方向信息，然后通过联立极值位置模式、极值差分模式和极值压缩模式，提出了邻域极值局部模式，用于提取图像纹理的像素强度信息，最后，通过连接局部方向差分计数模式和邻域极值局部模式，得到基于局部方向极值模式的图像纹理分类方法，对图像旋转、光照、尺度变化、视角变化和噪声等具有鲁棒性。具体实施方式本专利技术的具体实施方式为：一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：S1、通过计算局部方向差分计数模式-奇数位置DLDCP-OP和局部方向差分计数模式-偶数位置DLDCP-EP，组成局部方向差分计数模式直方图VDLDCP；S2、提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；S3、将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。进一步优化，步骤S1中局部方向差分计数模式直方图VDLDCP的具体计算步骤如下：1)、计算像素(x,y)的局部方向差分计数模式-奇数位置符号特征DLDCP-OP_S为其中，gi(x,y)是局部区域邻域里第i个位置的像素值，gc(x,y)是中心像素值，s(a)是符号描述符，若中心像素小于邻域像素，s(a)取1，否则，s(a)取0；2)、计算像素(x,y)的局部方向差分计数模式-奇数位置大小特征DLDCP-OP_M为:mi(x,y)＝|gi(x,y)-gc(x,y)|其中，mi(x,y)是邻域像素和中心像素点的绝对值，mc(x,y)是对图像中的mi(x,y)求平均值；3)、计算像素(x,y)的局部方向差分计数模式-中心特征DLDCP_C为:DLDCP_C＝s(gc(x,y)-Ic)其中，Ic代表图像中全部像素点的平均值本文档来自技高网...

【技术保护点】
1.一种基于局部方向极值模式的图像纹理分类方法，其特征在于，具体包括以下步骤：S1、通过计算局部方向差分计数模式‑奇数位置DLDCP‑OP和局部方向差分计数模式‑偶数位置DLDCP‑EP，组成局部方向差分计数模式直方图VDLDCP；S2、提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；S3、将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。

【技术特征摘要】
1.一种基于局部方向极值模式的图像纹理分类方法，其特征在于，具体包括以下步骤：S1、通过计算局部方向差分计数模式-奇数位置DLDCP-OP和局部方向差分计数模式-偶数位置DLDCP-EP，组成局部方向差分计数模式直方图VDLDCP；S2、提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；S3、将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。2.如权利要求1所述的一种基于局部方向极值模式的图像纹理分类方法，其特征在于，步骤S1中局部方向差分计数模式直方图VDLDCP的具体计算步骤如下：1)、计算像素(x,y)的局部方向差分计数模式-奇数位置符号特征DLDCP-OP_S为其中，gi(x,y)是局部区域邻域里第i个位置的像素值，gc(x,y)是中心像素值，s(a)是符号描述符,如果中心像素小于邻域像素，s(a)取1，否则，s(a)取0；2)、计算像素(x,y)的局部方向差分计数模式-奇数位置大小特征DLDCP-OP_M为:mi(x,y)＝|gi(x,y)-gc(x,y)|其中，mi(x,y)是邻域像素和中心像素点的绝对值，mc(x,y)是对图像中的mi(x,y)求平均值；3)、计算像素(x,y)的局部方向差分计数模式-中心特征DLDCP_C为:DLDCP_C＝s(gc(x,y)-Ic)其中，Ic代表图像中全部像素点的平均值；4)、计算像素(x,y)的局部方向差分计数模式-偶数位置符号特征DLDCP-EP_S为:5)、计算像素(x,y)的局部方向差分计数模式-偶数位置大小特征DLDCP-EP_M为:mi(x,y)＝|gi(x,y)-gc(x,y)|；6)、首先串联DLDCP-OP_S、DLDCP-OP_M、DLDCP_C特征，接着串联DLDCP-EP_S、DLDCP-EP_M、DLDCP_C特征，最后将两个串联的特征并联可得到局部方向差分计数模式直方图VDLDCP。3.如权利要求1所述的一种基于局部方向极值模式的图像纹理分类方法，其特征在于，所述步骤S2中邻域极值局部模式直方图VNERLP的...

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