專利名稱：基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法
技術領域：
本發(fā)明涉及圖像處理技術領域，尤其涉及一種基于拓撲樹的局部形狀模式的圖像 紋理基元特征提取方法。
背景技術：
在計算機視覺和圖像處理中，圖像的紋理分析是一個基礎性的問題，然而，到目前 為止，人們卻沒有對紋理的精確定義形成統(tǒng)一的認識，一般認為，紋理是圖像灰度或色彩在 空間上的變化或重復。紋理圖像中灰度分布一般具有某種規(guī)律性，對于隨機紋理，它也具有 一些統(tǒng)計意義上的特征。目前人們對紋理已有下列共識a)紋理表現(xiàn)為某種局部序列性在該序列更大的區(qū)域內(nèi)不斷地重復；b)紋理存在引起視覺感知的基本構成單元，即紋理基元；c)紋理不能處理成一個點過程，更多地表現(xiàn)為區(qū)域特性；d)紋理區(qū)域各個部分大致是均勻的統(tǒng)一體，各部分有大致相同的尺寸；e)紋理有強度、密度、方向和粗糙程度等特征?；谝陨瞎沧R，認為紋理有兩個要素(1)紋理具有引起視覺感知的基本單元，即 紋理基元。紋理基元的形態(tài)多樣，表現(xiàn)為某些圖像色彩或者灰度模式。(2)紋理基元有一定 的排列規(guī)則，這些規(guī)則可能表現(xiàn)為某種規(guī)律性，也可能表現(xiàn)為隨機性(參見文獻1)。紋理分析是紋理研究的主要內(nèi)容之一，也是機器視覺里一個重要的研究領域， 有著非常廣闊的應用背景，其應用領域包括圖像處理(Image Processing)、人工智能 (ArtificialIntelligence)(Remotely-sensed Image Analysis) >E^S 像分析(Medical ImageAnalysis)、工業(yè)表面檢測(Industrial Surface Inspection)、文 檔處理(Document Processing)等領域。紋理分析的一個核心問題是紋理描述(Texture Description)，在模式識別領域 即為紋理特征提取(Texture Feature Extraction)。目前已經(jīng)有許多紋理特征提取方法。 Tuceryan和Jain將這些方法大致歸為四大類結(jié)構分析方法、統(tǒng)計分析方法、模型化分析 方法以及信號處理方法。其中統(tǒng)計分析方法和信號處理方法在紋理分析中擔任著非常重要 的角色。 紋理分析在國內(nèi)的研究主要在于某一種方法的具體應用。對于統(tǒng)計的方法，共生 矩陣法比較常用?；谀Ｐ偷姆椒ɡ铮中畏椒☉帽容^多，大多采用Fractal Brown函 數(shù)，也有對分形方法進行改進的；馬爾可夫隨機場(MRF)的應用也有一些，主要困難在于參 數(shù)的確定。在數(shù)學變換的方法里，常見的是基于小波變換的方法。國外主要是對幾種紋理 分析方法提取的紋理特征結(jié)合常規(guī)分類方法，對不同的圖像進行分類比較。
早期的紋理分析使用統(tǒng)計或結(jié)構的方法提取特征。最近的主要進展是使用多分辨 率(例如Gabor變換)及多通道(幾個波段結(jié)合分析紋理特征)的紋理特征描述。過去對 紋理分析缺乏對不同尺度的紋理有效分析，這里的不同尺度是指同一幅圖像，在不同尺度 上進行紋理分析。這樣可以獲得同一區(qū)域的不同紋理特征，增加了信息量，最終可以提高分類的精度?；跒V波的紋理描述可以分為兩種方法濾波后橫向拼接成直方圖，如GIST方法 (參見文獻2)、濾波后縱向串成一個向量，再進行統(tǒng)計，稱為紋理基元方法(參考文獻3)、紋 理基元是指自然圖像中基本的微觀結(jié)構，它是視覺感知初始階段(預注意階段)的基本元 素。紋理基元的研究是是利用稀疏編碼(sparse coding)的思想試圖從自然圖像中學習超 完備的圖像基底紋理基元s，再用紋理基元來表達紋理圖像。不同于基于濾波、統(tǒng)計及結(jié)構等紋理描述方法對圖像經(jīng)過濾波或者某種變換結(jié)果 進行描述，本發(fā)明在圖像拓撲樹表達的基礎上直接對紋理基于進行描述，這樣可以避免間 接描述過程中紋理信息的損失，從而更加有效、全面得到紋理特征描述。文獻1 劉曉民，紋理研究綜述.計算機應用研究，2008，Vol. 25，No. 8文獻 1 :Aude 01iva，“Gist of the Scene", Neurobiology of Attention 2005文獻3 :Manik Varma,Andrew Zisserman,“A Statistical Approach to Texture Classificationfrom Single Images，，，Kluwer Academic Publishers. Printed in the Netherlands,200
發(fā)明內(nèi)容
針對上述存在的技術問題，本發(fā)明的目的是提供一種基于拓撲樹的局部形狀模式 的圖像紋理基元特征提取方法，以高效地提取紋理圖像的特征。為達到上述目的，本發(fā)明采用如下的技術方案①根據(jù)像素灰度值對圖像進行水平集分層；②在水平集基礎上構建拓撲樹結(jié)構；③構建編碼同心圓模板；④選取拓撲樹結(jié)構中全部節(jié)點或者部分節(jié)點進行后續(xù)的編碼，其中部分節(jié)點可以 是包含圖像像素的最小形狀節(jié)點；⑤編碼時，將節(jié)點形狀縮放到于同心圓模板大小相當，當節(jié)點形狀的重心與同心 圓圓心重合的時候，形狀與半徑最大的同心圓邊界相切；⑥編碼時，將縮放后的節(jié)點形狀與同心圓模板重疊，使節(jié)點形狀重心與同心圓圓 心重合，根據(jù)節(jié)點形狀與每個扇區(qū)的重疊關系進行二進制編碼；⑦將每個節(jié)點形狀在每個圓的所有個扇區(qū)的編碼值統(tǒng)計一個頻數(shù)直方圖，再將個 圓的頻率直方圖拼接，得到每個形狀的紋理特征描述；⑧將圖像拓撲樹中所有參與編碼的形狀的紋理特征描述相加，得到最后圖像的紋 理特征。步驟①中的所述水平集分層包括高水平集分層和低水平集分層；所述高水平集分層為將圖像根據(jù)像素灰度值v > V(l為0，v < V(l為1的規(guī)則轉(zhuǎn)換 為一組二值圖像，其中vQ = 0，1，…，V_ ；v為圖像像素的灰度值，滿足0彡v彡V-，最大 值為V_，對于一般的光學圖像V_ = 255 ；所述低水平集分層為使用圖像像素灰度值v < V(l為0，v > V(l為1的規(guī)則將圖像 轉(zhuǎn)換為一組二值圖像，其中VQ = v_，…1，0。將水平集中每層為1的形狀S提取出來；
6
分別在高水平集和低水平集中，根據(jù)形狀S在上下層中包含或被包含的關系建立 連接樹；以低水平集的連接樹為主構建圖像的拓撲樹結(jié)構；補齊低水平集連接樹中的空洞節(jié)點后，低水平集連接樹就變成圖像的拓撲樹。步驟⑥中所述的二進制編碼、步驟⑦中所述的頻數(shù)直方圖的統(tǒng)計分為輪廓編碼，硬直方圖統(tǒng)計；輪廓編碼，軟直方圖統(tǒng)計；區(qū)域編碼，硬直方圖統(tǒng)計；區(qū) 域編碼，軟直方圖統(tǒng)計。提取拓撲樹節(jié)點形狀的邊界輪廓，與編碼模板圓進行匹配；當節(jié)點形狀的輪廓落在第n個同心圓的第m個扇區(qū)f.內(nèi)時標記為1，否則為0 ；其 中，n為同心圓的序號，滿足1彡n彡N，N為同心圓格個數(shù)，N彡1 ；m為扇形區(qū)域的序號，滿 足1彡m彡M，M為每個同心圓中扇形區(qū)域的個數(shù)，M彡2 ；以此類推將模板同心圓的所有扇區(qū)進行0、1標記后，將第n同心圓的M 二進制標 記轉(zhuǎn)換為十進制數(shù)值；將拓撲樹中所有參與編碼的形狀節(jié)點的編碼值統(tǒng)計頻數(shù)直方圖，得到最后的紋理 特征直方圖。提取拓撲樹節(jié)點形狀的邊界輪廓，與編碼模板圓進行匹配；當節(jié)點形狀的輪廓落在第n個同心圓的第m個扇區(qū)f^內(nèi)的長度為1時，該扇區(qū)標 記為P = 1/L，其中L為節(jié)點形狀輪廓的周長，若扇區(qū)內(nèi)沒有節(jié)點形狀的輪廓，則標記為0 ；以此類推將模板同心圓的所有扇區(qū)進行標記后，將第n同心圓的M 二進制標記進 行一次軟直方圖統(tǒng)計 其中bm⑴表示i的二進制表達中第m位的值(為0或1)。并將N個同心圓的軟 直方圖拼接；h = {h” h2,…，hn, ...hN}其中人
，最后將拓撲樹中所有參與編碼的形狀的軟直方 圖累加H = ∑hH即為最后圖像的紋理特征直方圖。提取拓撲樹節(jié)點形狀包含的區(qū)域與編碼模板圓進行匹配；當節(jié)點形狀的區(qū)域落在第n個同心圓的第m個扇區(qū)L內(nèi)時標記為1，否則為0 ；以此類推將模板同心圓的所有扇區(qū)進行0、1標記后，將第n同心圓的M 二進制標 記轉(zhuǎn)換為十進制數(shù)值；將拓撲樹中所有參與編碼的形狀節(jié)點的編碼值統(tǒng)計頻數(shù)直方圖，得到最后的紋理 特征直方圖。提取拓撲樹節(jié)點形狀包含的區(qū)域與編碼模板圓進行匹配；當節(jié)點形狀的區(qū)域落在第n個同心圓的第m個扇區(qū)fM內(nèi)時標記為PM = Snm' / s ，其中sj為落在扇區(qū)f 內(nèi)形狀區(qū)域的面積，Snm為扇區(qū)的面積，否則標記為0 ；
以此類推將模板同心圓的所有扇區(qū)進行標記后，將第n同心圓的M 二進制標記進 行一次軟直方圖統(tǒng)計 其中bm⑴表示i的二進制表達中第m位的值(為0或1)。并將N個同心圓的軟 直方圖拼接h = {h” h2,…，hn, ...hN}其中:h =i{h ()’h l,."himr_.h< i)\，最后將拓撲樹中所有參與編碼的形狀的軟直方
圖累加即得到最后圖像紋理特征直方圖 本發(fā)明具有以下優(yōu)點和積極效果1)通過對紋理基元直接進行編碼描述，不同于以往紋理描述基于對圖像的某種濾 波或變換結(jié)果進行描述，可以避免紋理信息在濾波或變換過程中丟失，更加全面完整地對 圖像紋理進行描述；2)能夠?qū)D像尺度變化、仿射變化以及旋轉(zhuǎn)變化有較好的穩(wěn)健性，可以提高基于 紋理基元特征的檢索、分類、分割等圖像處理應用的準確率。


圖1是本發(fā)明的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法的流 程圖。圖2是本發(fā)明中獲得圖像拓撲樹表達的示意圖。圖3是本發(fā)明中構建編碼模板圓的示意圖。圖4A是本發(fā)明中輪廓編碼硬直方圖統(tǒng)計示意圖。圖4B是本發(fā)明中輪廓編碼軟直方圖統(tǒng)計示意圖。圖4C是本發(fā)明中區(qū)域編碼硬直方圖統(tǒng)計示意圖。圖4D是本發(fā)明中區(qū)域編碼軟直方圖統(tǒng)計示意圖。
具體實施例方式本發(fā)明提出的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法，具體包 括以下步驟，下面結(jié)合附圖1詳細描述每個步驟步驟1、根據(jù)像素灰度值v對圖像I進行水平集(Level Set)分層高水平集(Upper Level Set)，將圖像根據(jù)像素灰度值v彡vQ為0，v < vQ為1的規(guī) 則轉(zhuǎn)換為一組二值圖像，其中vQ = 0，1，…，；v為圖像像素的灰度值，滿足0 < v < V_， 最大值為V_，對于一般的光學圖像V_ = 255 ；同理，低水平集(Lower Level Set)分層是使用圖像像素灰度值v彡vQ為0，v > V0為1的規(guī)則將圖像轉(zhuǎn)換為一組二值圖像，其中= Vfflax,…1，0 ；對于一般的圖像，V_為 255，最后低水平集和高水平集的二值拓撲圖像各有V_+l層。步驟2、在水平集基礎上構建拓撲樹結(jié)構T
8
水平集中每層根據(jù)灰度閾值定義為Lv，將每層中為1的區(qū)域的外輪廓形狀S提取 出來，作為拓撲樹中的葉子節(jié)點，同時根據(jù)在圖像中的位置關系，與上、下水平集層中的形 狀組成包含或被包含的關系，在樹結(jié)構中體現(xiàn)為父子節(jié)點關系，參見圖2構建圖像拓撲樹 表達，其中的數(shù)字0、1、2表示圖像的灰度值，可分為以下幾個步驟①水平集中每層為1的形狀S提取出來，例如參考圖2中的形狀A G (圖中格型 區(qū)域分別表示對應的形狀A G)；②分別在高水平集和低水平集中根據(jù)形狀S在上下層中包含于被包含的關系建 立連接樹。例如圖2中，高水平集分層形狀A包含形狀B，B包含C和D，得到的連接樹是節(jié) 點A是節(jié)點B的父節(jié)點，同時，節(jié)點C、D是節(jié)點B的子節(jié)點；同理，低水平集中有節(jié)點F為節(jié) 點E的子節(jié)點又為節(jié)點G的父節(jié)點。③以低水平集的連接樹為主構建圖像的拓撲樹結(jié)構。首先將低水平集連接樹種所 有節(jié)點中的空洞用高水平集連接樹對應的節(jié)點補齊；其次將補齊節(jié)點的子孫節(jié)點從高水平 集連接樹移植到低水平集連接樹中；④補齊低水平集連接樹中的空洞節(jié)點后，低水平集連接樹就變成圖像的拓撲樹。 例如圖2中最后的拓撲樹節(jié)點E是F、D合并節(jié)點的父節(jié)點，同時D、G節(jié)點又為F、D合并節(jié) 點的子節(jié)點。步驟3、構建編碼同心圓模板如圖3所示為構建編碼模板圓的示意圖。如圖3(a)所示，設定一組半徑為rn，{r: <1~2<丨<1^}的同心圓，將同心圓按照角度e等分為若干扇形區(qū)域，第n個同心圓的第 m個扇區(qū)定義為區(qū)域f^;圖3(b)所示的是由兩個圓構成的同心圓，其中e =45°，同心圓被等分為8個扇區(qū)。步驟4、選取拓撲樹結(jié)構中全部節(jié)點或者部分節(jié)點進行后續(xù)的編碼，其中部分節(jié)點 可以是包含圖像像素的最小形狀節(jié)點。步驟5、編碼時，首先將節(jié)點形狀縮放到于同心圓模板大小相當，即當節(jié)點形狀的 重心與同心圓圓心重合的時候，形狀與半徑最大的同心圓邊界相切。步驟6、編碼時，將縮放后的節(jié)點形狀與同心圓模板重疊，使節(jié)點形狀重心與同心 圓圓心重合，根據(jù)節(jié)點形狀與每個扇區(qū)f 的重疊關系進行二進制編碼。步驟7、將每個節(jié)點形狀在每個圓的所有M個扇區(qū)的編碼值統(tǒng)計一個頻數(shù)直方圖， 再將N個圓的頻率直方圖拼接，即得到每個形狀的紋理特征描述。步驟8，將圖像拓撲樹中所有參與編碼的形狀的紋理特征描述相加，得到最后圖像 的紋理特征，參見圖4A-4D形狀編碼及直方圖統(tǒng)計。本發(fā)明的一個實施例中，步驟6、7中二進制編碼及頻數(shù)直方圖的統(tǒng)計有以下幾種 方式①輪廓編碼，硬直方圖統(tǒng)計，參見圖4A提取拓撲樹節(jié)點形狀的邊界輪廓，與編碼模板圓進行匹配，當節(jié)點形狀的輪廓落 在第n個同心圓的第m個扇區(qū)fM內(nèi)時標記為1，否則為0，以此類推將模板同心圓的所有扇 區(qū)進行0、1標記后，將第n同心圓的M 二進制標記轉(zhuǎn)換為十進制數(shù)值，例如(10101010)2 = (170) 1(|等，最后將拓撲樹中所有參與編碼的形狀節(jié)點的編碼值統(tǒng)計頻數(shù)直方圖，得到最后
9的紋理特征直方圖；n為同心圓的序號，滿足1≤n≤N，N為同心圓格個數(shù)，N≤1 ；m為扇形區(qū)域的序 號，滿足1 < m < M，M為每個同心圓中扇形區(qū)域的個數(shù)，M彡2，n、m序號的起始位置并不重 要，只要保證對于所有編碼的形狀n、m起始位置相同即可。②輪廓編碼，軟直方圖統(tǒng)計，參見圖4B提取拓撲樹節(jié)點形狀的邊界輪廓，與編碼模板圓進行匹配，當節(jié)點形狀的輪廓落 在第n個同心圓的第m個扇區(qū)f.內(nèi)的長度為1時，該扇區(qū)標記為PM = 1/L，其中L為節(jié)點 形狀輪廓的周長，若扇區(qū)內(nèi)沒有節(jié)點形狀的輪廓，則標記為0，以此類推將模板同心圓的所 有扇區(qū)進行標記后，將第n同心圓的M 二進制標記進行一次軟直方圖統(tǒng)計 其中bm⑴表示i的二進制表達中第m位的值(為0或1)。并將N個同心圓的軟 直方圖拼接h = {h” h2,…，hn, ...hN}其中火.../W..// ( )j，最后將拓撲樹中所有參與編碼的形狀的軟直方 圖累加 H即為最后圖像的紋理特征直方圖；③區(qū)域編碼，硬直方圖統(tǒng)計，參見圖4C提取拓撲樹節(jié)點形狀包含的區(qū)域與編碼模板圓進行匹配，當節(jié)點形狀的區(qū)域落在 第n個同心圓的第m個扇區(qū)f.內(nèi)時標記為1，否則為0，以此類推將模板同心圓的所有扇 區(qū)進行0、1標記后，將第n同心圓的M 二進制標記轉(zhuǎn)換為十進制數(shù)值，例如(10101010)2 = (170) 1(|等，最后將拓撲樹中所有參與編碼的形狀節(jié)點的編碼值統(tǒng)計頻數(shù)直方圖，得到最后 的紋理特征直方圖；④區(qū)域編碼，軟直方圖統(tǒng)計，參見圖4D提取拓撲樹節(jié)點形狀包含的區(qū)域與編碼模板圓進行匹配，當節(jié)點形狀的區(qū)域落在 第n個同心圓的第m個扇區(qū)f.內(nèi)時標記為PM= Snm' /Snm，其中‘'為落在扇區(qū)f 內(nèi)形 狀區(qū)域的面積，8 為扇區(qū)的面積，否則標記為0，以此類推將模板同心圓的所有扇區(qū)進行標 記后，將第n同心圓的M 二進制標記進行一次軟直方圖統(tǒng)計
M 其中bm⑴表示i的二進制表達中第m位的值(為0或1)。并將N個同心圓的軟 直方圖拼接h = {h” h2,…，hn, ...hN}其中，最后將拓撲樹中所有參與編碼的形狀的軟直方 圖累加即得到最后圖像紋理特征直方圖
權利要求
一種基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法，其特征在于，包括以下步驟①根據(jù)像素灰度值對圖像進行水平集分層；②在水平集基礎上構建拓撲樹結(jié)構；③構建編碼同心圓模板；④選取拓撲樹結(jié)構中全部節(jié)點或者部分節(jié)點進行后續(xù)的編碼，其中部分節(jié)點可以是包含圖像像素的最小形狀節(jié)點；⑤編碼前，將節(jié)點形狀縮放到于同心圓模板大小相當，當節(jié)點形狀的重心與同心圓圓心重合的時候，形狀與半徑最大的同心圓邊界相切；⑥編碼時，將縮放后的節(jié)點形狀與同心圓模板重疊，使節(jié)點形狀重心與同心圓圓心重合，根據(jù)節(jié)點形狀與每個扇區(qū)的重疊關系進行二進制編碼；⑦將每個節(jié)點形狀在每個圓的所有個扇區(qū)的編碼值統(tǒng)計一個頻數(shù)直方圖，再將個圓的頻率直方圖拼接，得到每個形狀的紋理特征描述；⑧將圖像拓撲樹中所有參與編碼的形狀的紋理特征描述相加，得到最后圖像的紋理特征。
2.根據(jù)權利要求1所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法， 其特征在于步驟①中的所述水平集分層包括高水平集分層和低水平集分層； 所述高水平集分層為將圖像根據(jù)像素灰度值ν > Vtl為0，ν < Vtl為1的規(guī)則轉(zhuǎn)換為一 組二值圖像，其中ν。= 0，1，-,Vfflax ；其中，ν為圖像像素的灰度值，滿足0 < ν ^ Vmax，最大 值為Vmax，對于一般的光學圖像Vmax = 255 ；所述低水平集分層為使用圖像像素灰度值ν < ν。為0，ν > ν。為1的規(guī)則將圖像轉(zhuǎn)換 為一組二值圖像，其中ν。= Vmax，. . . 1，0。
3.根據(jù)權利要求1或2所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方 法，其特征在于，所述步驟②進一步包括以下子步驟將水平集中每層為1的形狀S提取出來；分別在高水平集和低水平集中，根據(jù)形狀S在上下層中包含或被包含的關系建立連接樹；以低水平集的連接樹為主構建圖像的拓撲樹結(jié)構；補齊低水平集連接樹中的空洞節(jié)點后，低水平集連接樹就變成圖像的拓撲樹。
4.根據(jù)權利要求1或2所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法，其特征在于步驟⑥中所述的二進制編碼、步驟⑦中所述的頻數(shù)直方圖的統(tǒng)計分為 輪廓編碼，硬直方圖統(tǒng)計；輪廓編碼，軟直方圖統(tǒng)計；區(qū)域編碼，硬直方圖統(tǒng)計；區(qū)域編 碼，軟直方圖統(tǒng)計。
5.根據(jù)權利要求4所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法， 其特征在于，所述輪廓編碼，硬直方圖統(tǒng)計包括以下子步驟提取拓撲樹節(jié)點形狀的邊界輪廓，與編碼模板圓進行匹配；當節(jié)點形狀的輪廓落在第η個同心圓的第m個扇區(qū)fM內(nèi)時標記為1，否則為0，其中， η為同心圓的序號，滿足1彡η彡N，N為同心圓格個數(shù)，N彡1，m為扇形區(qū)域的序號，滿足 1彡m彡M，M為每個同心圓中扇形區(qū)域的個數(shù)，M^ 2 ；以此類推將模板同心圓的所有扇區(qū)進行0、1標記后，將第η同心圓的M 二進制標記轉(zhuǎn) 換為十進制數(shù)值；將拓撲樹中所有參與編碼的形狀節(jié)點的編碼值統(tǒng)計頻數(shù)直方圖，得到最后的紋理特征 直方圖。
6.根據(jù)權利要求4所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法， 其特征在于，所述輪廓編碼，軟直方圖統(tǒng)計包括以下子步驟提取拓撲樹節(jié)點形狀的邊界輪廓，與編碼模板圓進行匹配；當節(jié)點形狀的輪廓落在第η個同心圓的第m個扇區(qū)f 內(nèi)的長度為1時，該扇區(qū)標記為 Pnm = 1/L，其中L為節(jié)點形狀輪廓的周長，若扇區(qū)內(nèi)沒有節(jié)點形狀的輪廓，則標記為0 ；以此類推將模板同心圓的所有扇區(qū)進行標記后，將第η同心圓的M 二進制標記進行一 次軟直方圖統(tǒng)計Mm=0其中bm(i)表示i的二進制表達中第m位的值(為0或1)。并將N個同心圓的軟直方 圖拼接； 其中 1，最后將拓撲樹中所有參與編碼的形狀的軟直方圖累加 H為最后圖像的紋理特征直方圖。
7.根據(jù)權利要求4所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法， 其特征在于，區(qū)域編碼，硬直方圖統(tǒng)計包括以下子步驟提取拓撲樹節(jié)點形狀包含的區(qū)域與編碼模板圓進行匹配；當節(jié)點形狀的區(qū)域落在第η個同心圓的第m個扇區(qū)f 內(nèi)時標記為1，否則為0 ；以此類推將模板同心圓的所有扇區(qū)進行0、1標記后，將第η同心圓的M 二進制標記轉(zhuǎn) 換為十進制數(shù)值；將拓撲樹中所有參與編碼的形狀節(jié)點的編碼值統(tǒng)計頻數(shù)直方圖，得到最后的紋理特征 直方圖。
8.根據(jù)權利要求4所述的基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法， 其特征在于，區(qū)域編碼，軟直方圖統(tǒng)計包括以下子步驟提取拓撲樹節(jié)點形狀包含的區(qū)域與編碼模板圓進行匹配；當節(jié)點形狀的區(qū)域落在第η個同心圓的第m個扇區(qū)f 內(nèi)時標記為4 二心/^n，其中 為落在扇區(qū)f 內(nèi)形狀區(qū)域的面積，Snm為扇區(qū)的面積，否則標記為0 ；以此類推將模板同心圓的所有扇區(qū)進行標記后，將第η同心圓的M 二進制標記進行一 次軟直方圖統(tǒng)計 其中bm(i)表示i的二進制表達中第m位的值(為O或1)。并將N個同心圓的軟直方 圖拼接 其中火二·}/^。,、,...^ ... ……}，最后將拓撲樹中所有參與編碼的形狀的軟直方圖累 加即得到最后圖像紋理特征直方圖 H = Yji 。seT
全文摘要
本發(fā)明涉及圖像處理技術領域，尤其涉及一種基于拓撲樹的局部形狀模式的圖像紋理基元特征提取方法。本發(fā)明包括根據(jù)像素灰度值v對圖像I進行水平集(Level Set)分層、構建拓撲樹結(jié)構T、構建編碼同心圓模板、將節(jié)點形狀縮放到于同心圓模板大小相當、將縮放后的節(jié)點形狀與同心圓模板重疊，與每個扇區(qū)fnm的重疊關系進行二進制編碼、將每個節(jié)點形狀在每個圓的所有M個扇區(qū)的編碼值統(tǒng)計一個頻數(shù)直方圖，再將N個圓的頻率直方圖拼接、將圖像拓撲樹中所有參與編碼的形狀的紋理特征描述相加。本發(fā)明可以避免紋理信息在濾波或變換過程中丟失，更加全面完整地對圖像紋理進行描述，可以提高基于紋理基元特征的檢索、分類、分割等圖像處理應用的準確率。
文檔編號G06K9/52GK101853386SQ201010177899
公開日2010年10月6日 申請日期2010年5月14日 優(yōu)先權日2010年5月14日
發(fā)明者何楚, 蘇鑫, 魏喜燕 申請人:武漢大學