一种全局与局部特征相结合的纹理特征描述方法
【技术领域】
[0001] 本发明设及一种纹理特征描述方法。特别是设及一种全局与局部特征相结合的纹 理特征描述方法。
【背景技术】
[0002] 图像的视觉表示技术是多媒体分析、机器视觉等领域的研究基础，而纹理是其中 重要的一类特征。它包含了图像的表面信息及与其周围环境的关系，反映了图像的宏观 信息与微观结构，是图像分析的重要手段。T.Ojala等人于1996年提出了局部二值模式 (Local Binary化ttern，LB巧特征，它是一种重要的具有代表性的局部算子，并广泛应用 于纹理分类。该特征通过比较邻域像素和中屯、像素灰度值的差异性，生成代表图像局部特 征的二进制编码，是一种能够简单，有效的描述图像局部模式的特征。因此，W LBP算法为 代表的一类局部算子方法得到越来越多的关注，并广泛应用于人脸识别、物体跟踪、指纹识 另IJ、纹理分类等领域。
[000引 由于LBP的简单有效性，学者们对其进行了一系列研究，提出了多种LBP的改进 算法。例如，为了降低LBP的维度同时提高其有效性，T. Ojala等人对LBP中0/1的变化 次数进行统计，提出了统一局部二值模式特征化niform Local Binary化ttern，ULB巧特 征；为进一步解决特征的旋转不变性问题，将ULBP与旋转不变的局部二值模式（Rotation Invariant LBP，RILBP特征）相结合，形成了旋转不变的统一局部二值模式特征心巧:;2。该 特征不仅具有旋转不变性，而且在很大程度上提高了 LBP特征的效率和性能。2010年，郭 振华等人提出完整的局部二值模式（Completed Local Binary Pattern,化BF0特征，在原 始LBP的基础上添加了中屯、像素的灰度值信息和邻域元素与中屯、元素灰度值的差值信息， 增强了特征的判决能力，同时也使其分类准确度得到很大程度的提升。此外，还有许多典型 的LBP的改进算法，例如局部S值模式（Local Ternary化ttern, LT巧特征，主导的局部二 值模式值ominant Local Binary Pattern, DLBF0 特征，等等。
[0004] 由于特征可W分为全局特征和局部特征两类，其中，全局特征是指根据图像全局 信息提取的特征，如全局灰度统计、基于全局区域形状的几何矩等；局部特征是指根据图像 的局部信息提取的特征，如局部颜色特征、局部纹理特征、目标轮廓特征等。然而，上述提取 的特征大都是局部特征，丢失了图像的空间分布信息，很难全面有效的描述图像信息。LBP 算法虽然对纹理图像分类较为有效，但其仅包含图像的局部信息，很难全面有效的描述图 像信息。因此，可W通过在局部LBP特征的基础上引入全局特征来进一步提升特征的分类 性能。
[000引 目前已经有几种将LBP特征与全局特征相结合的方法。例如LBPV^^GMcs (LBP Variance with Global Matching Scheme)特征、DSN (Dominant Neighborhood Struc化re)+LBP特征等。其中LBPVU2gMes特征通将全局的旋转不变匹配计划与局部变化的 LBPV(LBP Variance)特征相结合，提升了特征分类的准确度。DS化LBP特征通过在局部LBP 特征的基础上引入全局的DSN特征，能够更加全面有效的描述图像特征。特别地，DSN通过 生成图像中每一像素与其固定邻域内元素的灰度相似性的全局图获得，代表了图像主邻域 内结构的相似性。
【发明内容】
[0006] 本发明所要解决的技术问题是，提供一种既包含图像的局部信息又包含图像全局 空间信息，能够更加全面、有效的描述视觉纹理特征的全局与局部特征相结合的纹理特征 描述方法。
[0007] 本发明所采用的技术方案是：一种全局与局部特征相结合的纹理特征描述方法， 首先分别提取图像的旋转不变的统一局部二值模式特征和提取图像的灰度级特征；然后将 获得的旋转不变的统一局部二值模式特征和灰度级特征进行级联，形成既包含图像局部信 息又包含图像的空间分布信息的二维直方图，并将形成的二维直方图转换为一维直方图来 表示图像，最终形成全局与局部特征模式。
[000引所述的提取图像的灰度级特征是对图像的灰度直方图进行分析，是通过多阔值分 析的方法将图像的灰度值划分成不同的等级，获取图像的全局特征。
[0009] 在灰度分布密集的地方，选取多个阔值，在灰度分布稀疏的地方，选取少数的阔 值。
[0010] 综合考虑特征的分类性能与维度大小，设定选取总阔值的个数为4?10。
[0011] 一种全局与局部特征相结合的纹理特征描述方法，首先提取图像的统一局部二值 模式扣niform LBP，ULB巧特征或完整局部二值模式特征或DLBP特征，W及提取图像的灰 度级特征；然后将获得的统一局部二值模式特征或完整局部二值模式特征或DLBP特征与 灰度级特征进行级联，形成既包含图像局部信息又包含图像的空间分布信息的二维直方 图，并将形成的二维直方图转换为一维直方图来表示图像，最终形成全局与局部特征模式。
[0012] 所述的提取图像的灰度级特征是对图像的灰度直方图进行分析，是通过多阔值分 析的方法将图像的灰度值划分成不同的等级，获取图像的全局特征。
[0013] 在灰度分布密集的地方，选取多个阔值，在灰度分布稀疏的地方，选取少数的阔 值。
[0014] 综合考虑特征的分类性能与维度大小，设定选取总阔值的个数为4?10。
[0015] 本发明的一种全局与局部特征相结合的纹理特征描述方法，能够更加全面、有效 的描述图像。具有如下效果：
[0016] (1)新颖性：首次将图像的灰度直方图特征引入到LBP特征中，通过多阔值分析的 方法将图像的灰度直方图划分成不同的等级，形成了既包含图像局部信息又包含图像的全 局信息的新特征。
[0017] 似有效性述过实验证明了与原始的LBP W及其他LBP改进算法相比较，本发明 分类性能有明显的提高。本发明还与其他的全局与局部相结合的LBP改进算法进行了比 较，也证明了算法的有效性。
[0018] (3)多尺度；可通过采用不同的采样半径，形成不同尺度下的GLBP特征，并将不同 尺度下的GLBP特征级联，形成多尺度下的GLBP特征。
[0019] (4)实用性：简单可行，可用于常见的多媒体分析、机器视觉等领域，如图像分类、 人脸识别、目标识别等。
【附图说明】
[0020] 图1是全局与局部特征相结合的纹理特征描述方法的流程图；
[0021] 图2a是一种纹理图像图；
[0022] 图化是图2a所示纹理图像的灰度直方图；
[0023] 图2c是另一种纹理图像图；
[0024] 图2d是图2c所示纹理图像的灰度直方图；
[0025] 图3是本发明的一种全局与局部特征相结合的纹理特征描述方法的应用实例流 程图。
【具体实施方式】
[0026] 下面结合实施例和附图对本发明的一种全局与局部特征相结合的纹理特征描述 方法做出详细说明。
[0027] 本发明将局部的LBP特征与图像的全局灰度直方图特征相结合提出了的一种全 局与局部特征相结合的纹理特征描述方法。该特征既包含图像局部信息又包含图像的空间 分布信息，能够更加全面、有效的描述图像。目P，本发明在LBP算法的基础上，引入包含图像 全局特征的灰度直方图，并结合多阔值分析的方法，形成了既包含图像局部信息又包含图 像的全局信息的新特征，大大提高了纹理图像分类的性能。
[002引如图1所示，本发明的一种全局与局部特征相结合的纹理特征描述方法，首先分 别提取图像的旋转不变的统一局部二值模式（LBpdu2)特征和提取图像的灰度级特征；然 后将获得的旋转不变的统一局部二值模式特征和灰度级特征进行级联，形成既包含图像局 部信息又包含图像的空间分布信息的二维直方图，并将形成的二维直方图转换为一维直方 图来表示图像，最终形成全局与局部特征模式（Global and Local Binary Pattern),简称 GLBP特征。
[0029] 所述的提取旋转不变的统一局部二值模式（LBpd气特征是：
[0030] 首先提取图像的LBP特征，即通过比较邻域内像素点与中屯、像素点灰度值的差异 性，生成能够表示图像局部特征的二进制编码。其计算公式如下：
[0031]
【主权项】
1. 一种全局与局部特征相结合的纹理特征描述方法，其特征在于，首先分别提取图像 的旋转不变的统一局部二值模式特征和提取图像的灰度级特征；然后将获得的旋转不变的 统一局部二值模式特征和灰度级特征进行级联，形成既包含图像局部信息又包含图像的空 间分布信息的二维直方图，并将形成的二维直方图转换为一维直方图来表示图像，最终形 成全局与局部特征模式。
2. 根据权利要求1所述的一种全局与局部特征相结合的纹理特征描述方法，其特征在 于，所述的提取图像的灰度级特征是对图像的灰度直方图进行分析，是通过多阈值分析的 方法将图像的灰度值划分成不同的等级，获取图像的全局特征。
3. 根据权利要求2所述的一种全局与局部特征相结合的纹理特征描述方法，其特征在 于，在灰度分布密集的地方，选取多个阈值，在灰度分布稀疏的地方，选取少数的阈值。
4. 根据权利要求2所述的一种全局与局部特征相结合的纹理特征描述方法，其特征在 于，综合考虑特征的分类性能与维度大小，设定选取总阈值的个数为4?10。
5. -种全局与局部特征相结合的纹理特征描述方法，其特征在于，首先提取图像的统 一局部二值模式特征或完整局部二值模式特征或DLBP特征，以及提取图像的灰度级特征； 然后将获得的统一局部二值模式特征或完整局部二值模式特征或DLBP特征与灰度级特征 进行级联，形成既包含图像局部信息又包含图像的空间分布信息的二维直方图，并将形成 的二维直方图转换为一维直方图来表示图像，最终形成全局与局部特征模式。
6. 根据权利要求5所述的一种全局与局部特征相结合的纹理特征描述方法，其特征在 于，所述的提取图像的灰度级特征是对图像的灰度直方图进行分析，是通过多阈值分析的 方法将图像的灰度值划分成不同的等级，获取图像的全局特征。
7. 根据权利要求6所述的一种全局与局部特征相结合的纹理特征描述方法，其特征在 于，在灰度分布密集的地方，选取多个阈值，在灰度分布稀疏的地方，选取少数的阈值。
8. 根据权利要求6所述的一种全局与局部特征相结合的纹理特征描述方法，其特征在 于，综合考虑特征的分类性能与维度大小，设定选取总阈值的个数为4?10。
【专利摘要】一种全局与局部特征相结合的纹理特征描述方法，首先分别提取图像的旋转不变的统一局部二值模式特征或统一局部二值模式(Uniform LBP,ULBP)特征或完整局部二值模式特征或DLBP特征，以及提取图像的灰度级特征；然后将获得的旋转不变的统一局部二值模式特征和灰度级特征进行级联，形成既包含图像局部信息又包含图像的空间分布信息的二维直方图，并将形成的二维直方图转换为一维直方图来表示图像，最终形成全局与局部特征模式。本发明形成了既包含图像局部信息又包含图像的全局信息的新特征，能够更加全面、有效的描述图像。
【IPC分类】G06K9-62, G06K9-46
【公开号】CN104616016
【申请号】CN201510051933
【发明人】冀中, 聂林红, 庞彦伟
【申请人】天津大学
【公开日】2015年5月13日
【申请日】2015年1月30日