提取图像纹理特征的方法和装置制造方法及图纸

本发明专利技术公开了一种提取图像纹理特征的方法和装置，能够准确快速地提取得到原始图像的纹理特征，提高纹理特征的鲁棒性。本发明专利技术实施例提供的提取图像纹理特征的方法包括：获取原始图像的灰度图像；将灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；将角二阶距、对比度、熵和相关特征作为所选取的纹理特征，并根据各灰度共生矩阵，计算每一图像块的纹理特征；根据各个图像块的纹理特征，得到原始图像所对应的纹理特征。

【技术实现步骤摘要】

本专利技术涉及图像图形处理
，尤其是涉及一种提取图像纹理特征的方法和直O
技术介绍
随着互联网规模越来越大，其中的文本、图片、多媒体信息日益丰富。为了找到有用的信息用户需要搜索巨量的数据。在搜索过程中，必须提取准确的特征才能准确地进行定位。对于图像而言纹理特征是重要的特征，纹理特征和颜色、形状特征并称为图像的三大特征。目前提取纹理特征的方法主要有三类，第一类是基于统计的方法，主要方法就是使用灰度共生矩阵。第二类是基于结构的方法，一般只有当纹理基元大到足够被分割时，才使用这个方法。第三类是基于频谱的方法，主要是基于傅立叶和小波变换。这三类方法中第一类基于统计的方法适用于广泛的自然纹理及人工纹理，是目前最成熟、最实用的方法。图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息， 它是分析图像的局部模式结构及其排列规则的基础。作为纹理分析的特征量，往往不是直接应用计算的灰度共生矩阵，而是在灰度共生矩阵的基础上再计算二次统计量，作为提取到的纹理特征量。专利技术人在实现本专利技术的过程中发现现有技术中至少存在如下缺陷在灰度共生矩阵的基础上可以计算的二次统计量的个数较多，例如，角二阶距、逆方差、熵、和熵、差熵以及最大相关系数等。由于计算量过于巨大，在使用时同时计算灰度共生矩阵的所有二次统计量在实际中是不可行的。通常的做法为选取若干灰度共生矩阵的二次统计量作为纹理特征。然而，在现有技术中，还没有提出一套比较成熟的纹理特征的提取方案，纹理特征的选取比较任意，无法进行准确地定位，纹理特征的提取方法也较复杂，有待完善。
技术实现思路
本专利技术实施例提供了一种提取图像纹理特征的方法和装置，能够准确快速地提取得到原始图像的纹理特征，提高纹理特征的鲁棒性。为达到上述目的，本专利技术实施例的技术方案是这样实现的本专利技术实施例提供了一种提取图像纹理特征的方法，所述方法包括获取原始图像的灰度图像；将所述灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；将角二阶距、对比度、熵和相关特征作为所选取的纹理特征，并根据所述各灰度共生矩阵，计算每一图像块的纹理特征；根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。本专利技术实施例还提供了一种提取图像纹理特征的装置，所述装置包括CN 102289671 A说明书2/8页灰度图像获取单元，用于获取原始图像的灰度图像；纹理特征选取单元，用于将角二阶距、对比度、熵和相关特征作为所选取的纹理特征；图像块划分单元，用于将所述灰度图像获取单元得到的灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；图像块纹理特征计算单元，用于根据所述各灰度共生矩阵，计算每一图像块的由所述纹理特征选取单元确定的纹理特征；原始图像纹理特征计算单元，用于根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。由上述可见，本专利技术提供了一套新型的纹理特征选取方案以及纹理特征提取方案，通过将原始图像适当分块，基于各个图像块得到原始图像的纹理特征，能够准确快速地提取得到原始图像的纹理特征，提高纹理特征的鲁棒性。本专利技术提供的方案中，将灰度共生矩阵的角二阶距、对比度、熵和相关特征选取为所采用的特征，显著降低了实际应用中所需的计算量，实践证明，所选取和提取出的纹理特征能够在多种场景下实现准确地数据搜索、信息匹配和信息定位。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的一种提取图像纹理特征的方法流程示意图；图2为本专利技术实施例二提供的一种提取图像纹理特征的方法流程示意图；图3为本专利技术实施例三提供的一种提取图像纹理特征的装置结构示意图；图4为本方案的实验一中所采用的一副原始图片；图5至图12为本方案实验二中所采用的八副原始图片。具体实施例方式下面将结合本专利技术的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例， 本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例一提供了一种提取图像纹理特征的方法，参见图1，所述方法包括11 获取原始图像的灰度图像；12 将所述灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；13 将角二阶距、对比度、熵和相关特征作为所选取的纹理特征；14 根据所述各灰度共生矩阵，计算每一图像块的纹理特征；15:根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。由上述可见，本专利技术提供了一套新型的纹理特征选取方案以及纹理特征提取方案，通过将原始图像适当分块，基于各个图像块得到原始图像的纹理特征，能够简单快速地提取得到原始图像的纹理特征。本专利技术提供的方案中，将灰度共生矩阵的角二阶距、对比度、熵和相关特征选取为所采用的特征，显著降低了实际应用中所需的计算量，实践证明，所选取和提取出的纹理特征能够在多种场景下实现准确地数据搜索、信息匹配和信息定位。为了便于清楚理解本技术方案，对灰度共生矩阵的一些技术要点进行说明。在三维空间中，相隔某一距离的两个像素，它们具有相同的灰度级，或者具有不同的灰度级，若能找出这样两个像素间的联合分布的统计形式，对于图像的纹理分析将很有意义的。基于这种思想，提出空间灰度共生矩阵(Spatial Gray Level Co-Occurrence Matrix)，或称为灰度共生矩阵。灰度共生矩阵的模型是在假定图像中各像素间的空间分布关系包含了图像的纹理信息的前提下提出的一种具有广泛性的纹理分析方法，在此基础上也衍生了诸如灰度一差值共生矩阵分析法、灰度一能量共生矩阵分析法和灰度一梯度共生矩阵法。假定一幅图像f在水平方向有Nx个像素，在垂直方向有Ny个组成，每个像素的灰度级最大为Nk记Lx = {1,2, ... ,NJLy = {1,2, ... ,Ny}G= {1,2,... ,NJ则可把待纹理分析的图像f理解为从LxXLy到G的一个变换，即对LxXLy中的每一个点，对应一个属于f的灰度，可表示为f =LxXLy -G0灰度共生矩阵定义为方向θ和间隔距离d的函数，记为权利要求1.一种提取图像纹理特征的方法，其特征在于，所述方法包括 获取原始图像的灰度图像；将所述灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵； 将角二阶距、对比度、熵和相关特征作为所选取的纹理特征，并根据所述各灰度共生矩阵，计算每一图像块的纹理特征；根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。2.根据权利要求1所述的方法，其特征在于，所述根据所述各灰度共生矩阵，计算每一图像块的纹理特征具体包括根据所述各灰度共生矩阵，按照0°、45°、90°和135° 4个方向，计算每一图像块的纹理特征。3.根据权利要求1所述的方法，其特征在于，所述根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征具体包括所述各个图像块的纹理特征包括各图像块在不同方向上的纹理特征， 在每一个方向上，计算各个图像块的角二阶距本文档来自技高网...

【技术保护点】
的纹理特征；根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。１．一种提取图像纹理特征的方法，其特征在于，所述方法包括：获取原始图像的灰度图像；将所述灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；将角二阶距、对比度、熵和相关特征作为所选取的纹理特征，并根据所述各灰度共生矩阵，计算每一图像块

【技术特征摘要】

【专利技术属性】
技术研发人员：杨志宇，
申请(专利权)人：北京新媒传信科技有限公司，
类型：发明
国别省市：11