一种基于Gabor综合特征的图像特征描述方法

文档序号:8512761阅读:281来源:国知局
一种基于Gabor综合特征的图像特征描述方法
【技术领域】
[0001] 本发明属于图像处理技术领域,具体涉及一种基于Gabor综合特征的图像特征描 述方法。
【背景技术】
[0002] 现有技术中,基于Gabor特征的人脸图像特征描述方法已经取得了非常优秀的成 果。但是在实际的应用中,经常会遇到复杂光照与不同角度的情况,例如视频监控、人机交 互、公安系统等等。因此,对复杂光照及不同角度的人脸识别的研宄在近几年内也成了研宄 的热点,目前对于复杂光照人脸特征描述近多年也提出了多种解决方法,总结起来主要分 为两类:
[0003] 1、对复杂光照及不同角度的人脸图像进行基于Gabor特征的全局特征描述,主要 思想是提取图像全局特征,该类方法的优点是能很好的获得Gabor特征的全局特征,但是 缺点是现有的Gabor特征仅仅使用了 Gabor滤波器变换的幅值部分,没有意识和考虑到在 人脸描述中也发挥着重要作用的Gabor特征的相位信息;
[0004] 2、对复杂光照及不同角度的人脸图像进行局部的Gabor特征描述,旨在最大程度 地描述图像的局部特征,该类方法对人脸特征的描述具有较高的稳定性和识别率,但是该 方法的缺陷在于没有考虑到每个局部特征对于图像整体描述的贡献度不同,认为所有的局 部特征描述对于整体的贡献度是相同的。
[0005] 综上所述,现有基于Gabor特征的人脸特征描述方法没有充分利用Gobor特征的 相位信息,而Gobor特征的相位在人脸特征描述中有重要的作用。另外对局部特征对于整 个图像的贡献度考虑不足,存在分类识别效果差,稳定性低的缺陷和不足,不能很好的满足 实际应用的需要。

【发明内容】

[0006] 本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种充分利用 Gobor特征的相位信息,提高识别率的基于Gabor综合特征的图像特征描述方法。
[0007] 为解决上述技术问题,本发明采用的技术方案是:
[0008] 包括以下步骤:
[0009] 步骤一、人脸图像信号的采集及上传:图像采集设备采集人脸图像信号并将其实 时所采集的人脸图像信号通过图像信号传输装置上传给处理器;
[0010] 步骤二、人脸图像的分辨率调整及矩阵表示:首先,处理器调用分辨率差值调整模 块将其所接收到的人脸图像信号的分辨率调整为mXn,得到人脸图像G ;然后,处理器将所 述人脸图像G表示为mXn维的图像矩阵X ;
[0011] 步骤三、图像特征提取:处理器对步骤二中所得到的图像矩阵X进行分析处理,得 到人脸图像G的特征向量C,其分析处理过程如下:
[0012] 步骤301、对图像矩阵X进行多尺度图像分块:将图像矩阵X分为PXq ±夬,得到:
【主权项】
1. 一种基于Gabor综合特征的图像特征描述方法,其特征在于:包括以下步骤: 步骤一、人脸图像信号的采集及上传:图像采集设备(1)采集人脸图像信号并将其实 时所采集的人脸图像信号通过图像信号传输装置(2)上传给处理器(3); 步骤二、人脸图像的分辨率调整及矩阵表示:首先,处理器(3)调用分辨率差值调整模 块将其所接收到的人脸图像信号的分辨率调整为mXn,得到人脸图像G ;然后,处理器(3) 将所述人脸图像G表示为mXn维的图像矩阵X ; 步骤三、图像特征提取:处理器(3)对步骤二中所得到的图像矩阵X进行分析处理,得 到人脸图像G的特征向量C,其分析处理过程如下: 步骤301、对图像矩阵X进行多尺度图像分块:将图像矩阵X分为pXq ±夬,得到:
m η , 其中,P,q为自然数且取值为2、4、8或16,XijS 雒的人脸子图像矩阵,其中i = P H l,2,...,p;j 1,2,· · ·,q ; 步骤302、采用二维Gabor滤波器组对图像矩阵X进行滤波,具体过程如下: 步骤3021、构建时域下的二维Gabor滤波器组: 多通道二维Gabor变换滤波器定义为:
其中死(U)代表奇对称Gabor滤波器,%C^V)代表偶对称Gabor滤波器,X (X,y)为人 脸子图像矩阵X中的像素值;小波变换简化计算模型定义为如下:
其中,死(·νν,/,Ασ)为偶对称的二维Gabor滤波器,死(U,/,久σ)为奇对称的二维 Gabor滤波器,f为中心频率,X为时域下的横坐标变量,y为时域下的纵坐标变量,Θ为空 间相位角,〇为空间常数,g(x,y,〇 )为高斯函数且= ^~^exp -A +;V ; Ιπσ " L 上 步骤3022、将时域下的二维Gabor滤波器组变换为频域下的二维Gabor滤波器组:
其中,Φι(ιι,ν,?·,θ,σ) = exp {-2 π 2 σ 2 [ (u-fcos θ )2+(v-f sin θ )2] }, Φ2(ιι,ν,?·,θ,σ) = exp{-2Ji2o2[(u+fcosQ)2+(v+fsinQ) 2]},C)e(u,v,f,θ,σ)为 久 σ)的 Fourier 变换,〇Q(u,v,f, θ, 0)为死久 σ)的 Fourier 变换,j 为 虚数单位且_/ = λΓ?,u,v为频域下的空间频率变量; 朽(A和代(A J)能通过快速傅里叶变换得到: ν)=^,(λ; v) ?z(.v, v) = FFT' [Z(ll, v) · Φ,(//, vj\ θ, σ)] φυ(χ, v) = φ"(χ,y) ? z(x, y) = FFT~l[Z(u, v) Φο(??, v,/, θ,σ)] 其中Z (u, v)是z (x, y)的傅里叶变换,z (x, y)代表图像z的像素值; 步骤3023、首先,将所述人脸子图像矩阵\」中的每个像素值表示为X u (X,y);然后,采 用频域下的二维Gabor滤波器组对Xu(x,y)进行滤波,得到滤波结果: (X, v) = Χ?.(χ, V) Θ{x,y) v) = Χ??{χ,ν)?φ0^θ?{χ,ν) 其中,M/^(x,v)为采用偶对称的二维Gabor滤波器对Xij( x,y)进行滤波的滤波结 果,为采用奇对称的二维Gabor滤波器对Xij (X,y)进行滤波的滤波结果, 第s个中心频率,Θ d是第d个空间相位角; 步骤3024、根据步骤3023选择Ii1个不同的中心频率F s,并对每个中心频率Fs,选择 n2个不同的空间相位角Θ d,其中s彡ni,d彡n2,形成Ii1Xrv^ Gabor滤波通道,对每个 Gabor滤波通道的滤波结果,提取其幅值和相位值作为代表该Gabor滤波通道的特征;其 中,采用偶对称的二维Gabor滤波器对X u(x,y)进行滤波的滤波结果Μ/^(.τ,.ν)的幅值为 M,A(x,.v)|,相位值为么ΛΑ(χ,.ν),采用奇对称的二维Gabor滤波器对Xij (X,y)进行滤波 的滤波结果M/A(x,.v)的幅值为|m/^(x,.v)|,相位值为&,Jx,)'); 步骤3025、对每个Gabor滤波通道的滤波结果(x〇,)和& (X, >〇的幅值 和|M,5x,.v)|按行展开,形成一个行向量 对每个Gabor滤波通道的滤波结果和M(^d(x,. v)的相位值戎和 甙Λ.&(χ,.ν)按行展开,形成一个行向量 0(i'j)= [θ产' θ,』];其中 見(;)=[九巧片,九巧為,L,九巧為,九,也而為] -[泛,L,武,巧,?,武,巧,L,為,巧,场] 步骤3026、将Ii1XrvI^ Gabor滤波通道的n ^n2X2个行向量依次连接,形成Xij(X,y) 的二维Gabor滤波器组的特征C(i'j)= [A(i'j),0(U]; 步骤303、求取所述人脸子图像矩阵Xu(X,y)中的每个像素值Xu( X,y)的纹理贡献度 CMij (X,,y'); 步骤304、根据公式C= [CaiiXCMmCaaXCMmL C(p'q)XCMM]求取人脸图像G的特 征向量C ; 步骤四、处理结果同步输出:步骤三中进行图像特征提取过程中,处理器(3)通过与其 相接的显示器(4)对步骤三中的图像信号处理过程及图像特征提取结果进行同步显示。
2. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤二中mXn为128X128。
3. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤3021中所述〇的取值为1。
4. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤3023中,和能够表示为复数: (X, ;;) = M^.,d (X, y) + (X, y) ^ MlFaMi(x,y) + jMlFiA(x,y) 其中,和 代表 的实部与虚部,和 <,^(1,_);)代表^/;^,3〇的实部与虚部,滤波结果表示为 : M/s^ (X, y) = |M/! (x, y)\Qj^ {x'y) M,戽(x,y) = |M,,d (x,外他 w.''.r) Μ,4(χ,.ν)|为幅值,为相位值,分别表示为:
5. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤3024中,所述化的取值为4,4个中心频率f的取值分别为2Hz、4Hz、8Hz和16Hz。
6. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤3024中,所述112的取值为8,8个空间相位角Θ的取值分别为〇°,45°,90°,135°, 180。 ,225。 ,270。和 315。。
7. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤303中,纹理贡献度求取的具体过程如下: 步骤3031、定义人脸图像G的熵函数为:
其中,X(x',y')为图像矩阵X的像素值,χ'为图像X(x',y')的横向坐标,y'为图像 X (X',y')的纵向坐标,m为人脸图像G的灰度级别总数,pa为第a个灰度级别出现的概率, a为自然数且a的取值为1~m ; 步骤3032、定义局部信息熵图谱LHO对应的图像熵为: LH(i',j')=H(F(i',j')w) 其中,w为滑动可变窗口的大小,H(F(i',j')w)为图像F(i',j')w的熵函数,(i',j')为 图像F(i',j')w中每个像素的位置,i'为图像F(i',j')w的横向坐标,j'为图像F(i',j') w 的纵向坐标,F(i',j')w为以(i',j')为中心滑动可变窗口内的子图像且: F(i',j')w= ix(x',y')|x e [i,-w/2, i'+w/2-l],y' e [j,-w/2, j'+w/2-l]}; 步骤3033、定义所述人脸子图像矩阵Xij*的每个像素值X u (x',y')的纹理贡献度为:
其中,X (X' + (i-1) Xm/p,y' + (j-1) X n/q)为将图像矩阵X进行p X q分块后第i j块子 图像中(x',y')处的像素值。
8. 根据权利要求7所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 步骤3031中所述m的取值为256。
9. 根据权利要求1所述的一种基于Gabor综合特征的图像特征描述方法,其特征在于: 所述处理器为计算机。
【专利摘要】本发明涉及一种基于Gabor综合特征的图像特征描述方法,包括以下步骤:步骤一、人脸图像信号的采集及上传;步骤二、人脸图像的分辨率调整及矩阵表示;步骤三、图像特征提取;步骤四、处理结果同步输出。本发明通过使用了Gabor滤波器变换的幅值部分和相位部分,其中的相位部分包含了Gabor滤波结果中的方向信息,有一定的特征鉴别意义,充分利用了Gabor滤波器组的滤波结果,提取了更加丰富的特征信息,便于后面识别,并且针对目前对于图像分块的平均思想的缺陷,考虑到了每个子图像块对整体图像的重要程度不同,结合纹理贡献度,能够更好地描述人脸特征。
【IPC分类】G06K9-00, G06K9-46
【公开号】CN104834909
【申请号】CN201510231155
【发明人】高涛, 冯兴乐, 刘占文, 谭魏萌, 吴晓龙, 翟娟红
【申请人】长安大学
【公开日】2015年8月12日
【申请日】2015年5月7日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1