專利名稱：提取圖像紋理特征的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像圖形處理技術(shù)領(lǐng)域，尤其是涉及一種提取圖像紋理特征的方法和
直O(jiān)
背景技術(shù)：
隨著互聯(lián)網(wǎng)規(guī)模越來越大，其中的文本、圖片、多媒體信息日益豐富。為了找到有用的信息用戶需要搜索巨量的數(shù)據(jù)。在搜索過程中，必須提取準(zhǔn)確的特征才能準(zhǔn)確地進(jìn)行定位。對(duì)于圖像而言紋理特征是重要的特征，紋理特征和顏色、形狀特征并稱為圖像的三大特征。目前提取紋理特征的方法主要有三類，第一類是基于統(tǒng)計(jì)的方法，主要方法就是使用灰度共生矩陣。第二類是基于結(jié)構(gòu)的方法，一般只有當(dāng)紋理基元大到足夠被分割時(shí)，才使用這個(gè)方法。第三類是基于頻譜的方法，主要是基于傅立葉和小波變換。這三類方法中第一類基于統(tǒng)計(jì)的方法適用于廣泛的自然紋理及人工紋理，是目前最成熟、最實(shí)用的方法。圖像的灰度共生矩陣反映了圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息， 它是分析圖像的局部模式結(jié)構(gòu)及其排列規(guī)則的基礎(chǔ)。作為紋理分析的特征量，往往不是直接應(yīng)用計(jì)算的灰度共生矩陣，而是在灰度共生矩陣的基礎(chǔ)上再計(jì)算二次統(tǒng)計(jì)量，作為提取到的紋理特征量。發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下缺陷在灰度共生矩陣的基礎(chǔ)上可以計(jì)算的二次統(tǒng)計(jì)量的個(gè)數(shù)較多，例如，角二階距、逆方差、熵、和熵、差熵以及最大相關(guān)系數(shù)等。由于計(jì)算量過于巨大，在使用時(shí)同時(shí)計(jì)算灰度共生矩陣的所有二次統(tǒng)計(jì)量在實(shí)際中是不可行的。通常的做法為選取若干灰度共生矩陣的二次統(tǒng)計(jì)量作為紋理特征。然而，在現(xiàn)有技術(shù)中，還沒有提出一套比較成熟的紋理特征的提取方案，紋理特征的選取比較任意，無法進(jìn)行準(zhǔn)確地定位，紋理特征的提取方法也較復(fù)雜，有待完善。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供了一種提取圖像紋理特征的方法和裝置，能夠準(zhǔn)確快速地提取得到原始圖像的紋理特征，提高紋理特征的魯棒性。為達(dá)到上述目的，本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的本發(fā)明實(shí)施例提供了一種提取圖像紋理特征的方法，所述方法包括獲取原始圖像的灰度圖像；將所述灰度圖像劃分為多個(gè)圖像塊，并計(jì)算每一圖像塊的灰度共生矩陣；將角二階距、對(duì)比度、熵和相關(guān)特征作為所選取的紋理特征，并根據(jù)所述各灰度共生矩陣，計(jì)算每一圖像塊的紋理特征；根據(jù)所述各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征。本發(fā)明實(shí)施例還提供了一種提取圖像紋理特征的裝置，所述裝置包括CN 102289671 A
說明書
2/8頁灰度圖像獲取單元，用于獲取原始圖像的灰度圖像；紋理特征選取單元，用于將角二階距、對(duì)比度、熵和相關(guān)特征作為所選取的紋理特征；圖像塊劃分單元，用于將所述灰度圖像獲取單元得到的灰度圖像劃分為多個(gè)圖像塊，并計(jì)算每一圖像塊的灰度共生矩陣；圖像塊紋理特征計(jì)算單元，用于根據(jù)所述各灰度共生矩陣，計(jì)算每一圖像塊的由所述紋理特征選取單元確定的紋理特征；原始圖像紋理特征計(jì)算單元，用于根據(jù)所述各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征。由上述可見，本發(fā)明提供了一套新型的紋理特征選取方案以及紋理特征提取方案，通過將原始圖像適當(dāng)分塊，基于各個(gè)圖像塊得到原始圖像的紋理特征，能夠準(zhǔn)確快速地提取得到原始圖像的紋理特征，提高紋理特征的魯棒性。本發(fā)明提供的方案中，將灰度共生矩陣的角二階距、對(duì)比度、熵和相關(guān)特征選取為所采用的特征，顯著降低了實(shí)際應(yīng)用中所需的計(jì)算量，實(shí)踐證明，所選取和提取出的紋理特征能夠在多種場(chǎng)景下實(shí)現(xiàn)準(zhǔn)確地?cái)?shù)據(jù)搜索、信息匹配和信息定位。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例一提供的一種提取圖像紋理特征的方法流程示意圖；圖2為本發(fā)明實(shí)施例二提供的一種提取圖像紋理特征的方法流程示意圖；圖3為本發(fā)明實(shí)施例三提供的一種提取圖像紋理特征的裝置結(jié)構(gòu)示意圖；圖4為本方案的實(shí)驗(yàn)一中所采用的一副原始圖片；圖5至圖12為本方案實(shí)驗(yàn)二中所采用的八副原始圖片。
具體實(shí)施例方式下面將結(jié)合本發(fā)明的附圖，對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例， 本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明實(shí)施例一提供了一種提取圖像紋理特征的方法，參見圖1，所述方法包括11 獲取原始圖像的灰度圖像；12 將所述灰度圖像劃分為多個(gè)圖像塊，并計(jì)算每一圖像塊的灰度共生矩陣；13 將角二階距、對(duì)比度、熵和相關(guān)特征作為所選取的紋理特征；14 根據(jù)所述各灰度共生矩陣，計(jì)算每一圖像塊的紋理特征；15:根據(jù)所述各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征。由上述可見，本發(fā)明提供了一套新型的紋理特征選取方案以及紋理特征提取方案，通過將原始圖像適當(dāng)分塊，基于各個(gè)圖像塊得到原始圖像的紋理特征，能夠簡(jiǎn)單快速地提取得到原始圖像的紋理特征。本發(fā)明提供的方案中，將灰度共生矩陣的角二階距、對(duì)比度、熵和相關(guān)特征選取為所采用的特征，顯著降低了實(shí)際應(yīng)用中所需的計(jì)算量，實(shí)踐證明，所選取和提取出的紋理特征能夠在多種場(chǎng)景下實(shí)現(xiàn)準(zhǔn)確地?cái)?shù)據(jù)搜索、信息匹配和信息定位。為了便于清楚理解本技術(shù)方案，對(duì)灰度共生矩陣的一些技術(shù)要點(diǎn)進(jìn)行說明。在三維空間中，相隔某一距離的兩個(gè)像素，它們具有相同的灰度級(jí)，或者具有不同的灰度級(jí)，若能找出這樣兩個(gè)像素間的聯(lián)合分布的統(tǒng)計(jì)形式，對(duì)于圖像的紋理分析將很有意義的?；谶@種思想，提出空間灰度共生矩陣(Spatial Gray Level Co-Occurrence Matrix)，或稱為灰度共生矩陣?；叶裙采仃嚨哪Ｐ褪窃诩俣▓D像中各像素間的空間分布關(guān)系包含了圖像的紋理信息的前提下提出的一種具有廣泛性的紋理分析方法，在此基礎(chǔ)上也衍生了諸如灰度一差值共生矩陣分析法、灰度一能量共生矩陣分析法和灰度一梯度共生矩陣法。假定一幅圖像f在水平方向有Nx個(gè)像素，在垂直方向有Ny個(gè)組成，每個(gè)像素的灰度級(jí)最大為Nk記Lx = {1,2, ... ,NJLy = {1,2, ... ,Ny}G= {1,2,... ,NJ則可把待紋理分析的圖像f理解為從LxXLy到G的一個(gè)變換，即對(duì)LxXLy中的每一個(gè)點(diǎn)，對(duì)應(yīng)一個(gè)屬于f的灰度，可表示為f =LxXLy -G0灰度共生矩陣定義為方向θ和間隔距離d的函數(shù)，記為
權(quán)利要求
1.一種提取圖像紋理特征的方法，其特征在于，所述方法包括 獲取原始圖像的灰度圖像；將所述灰度圖像劃分為多個(gè)圖像塊，并計(jì)算每一圖像塊的灰度共生矩陣； 將角二階距、對(duì)比度、熵和相關(guān)特征作為所選取的紋理特征，并根據(jù)所述各灰度共生矩陣，計(jì)算每一圖像塊的紋理特征；根據(jù)所述各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述各灰度共生矩陣，計(jì)算每一圖像塊的紋理特征具體包括根據(jù)所述各灰度共生矩陣，按照0°、45°、90°和135° 4個(gè)方向，計(jì)算每一圖像塊的紋理特征。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征具體包括所述各個(gè)圖像塊的紋理特征包括各圖像塊在不同方向上的紋理特征， 在每一個(gè)方向上，計(jì)算各個(gè)圖像塊的角二階距、對(duì)比度、熵和相關(guān)特征的均值和標(biāo)準(zhǔn)差，并將計(jì)算結(jié)果作為原始圖像所對(duì)應(yīng)的紋理特征。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述灰度圖像劃分為多個(gè)圖像塊， 并計(jì)算每一圖像塊的灰度共生矩陣具體包括將所述灰度圖像劃分為25個(gè)圖像塊，并計(jì)算每一圖像塊的灰度共生矩陣。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取原始圖像的灰度圖像具體包括 原始圖像包括灰度圖像或彩色圖像，按照預(yù)定灰度級(jí)將原始圖像轉(zhuǎn)換為所需灰度級(jí)下的灰度圖像。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預(yù)定灰度級(jí)為64級(jí)。
7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，在所述獲取原始圖像的灰度圖像之前，所述方法還包括將原始圖像統(tǒng)一規(guī)格化為相同分辨率大小的圖像。
8.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，利用如下公式，根據(jù)灰度共生矩陣計(jì)算特征角二階距ASM、對(duì)比度CON、熵ENT和相關(guān)
9.一種提取圖像紋理特征的裝置，其特征在于，所述裝置包括 灰度圖像獲取單元，用于獲取原始圖像的灰度圖像；紋理特征選取單元，用于將角二階距、對(duì)比度、熵和相關(guān)特征作為所選取的紋理特征； 圖像塊劃分單元，用于將所述灰度圖像獲取單元得到的灰度圖像劃分為多個(gè)圖像塊， 并計(jì)算每一圖像塊的灰度共生矩陣；圖像塊紋理特征計(jì)算單元，用于根據(jù)所述各灰度共生矩陣，計(jì)算每一圖像塊的由所述紋理特征選取單元確定的紋理特征；原始圖像紋理特征計(jì)算單元，用于根據(jù)所述各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述圖像塊劃分單元，具體用于將所述灰度圖像獲取單元得到的灰度圖像劃分為25 個(gè)圖像塊；所述圖像塊紋理特征計(jì)算單元，具體用于根據(jù)所述各灰度共生矩陣，按照0°、45°、 90°和135° 4個(gè)方向，計(jì)算每一圖像塊的紋理特征；所述原始圖像紋理特征計(jì)算單元，具體用于在每一個(gè)方向上，計(jì)算各個(gè)圖像塊的角二階距、對(duì)比度、熵和相關(guān)特征的均值和標(biāo)準(zhǔn)差，并將計(jì)算結(jié)果作為原始圖像所對(duì)應(yīng)的紋理特征。
全文摘要
本發(fā)明公開了一種提取圖像紋理特征的方法和裝置，能夠準(zhǔn)確快速地提取得到原始圖像的紋理特征，提高紋理特征的魯棒性。本發(fā)明實(shí)施例提供的提取圖像紋理特征的方法包括獲取原始圖像的灰度圖像；將灰度圖像劃分為多個(gè)圖像塊，并計(jì)算每一圖像塊的灰度共生矩陣；將角二階距、對(duì)比度、熵和相關(guān)特征作為所選取的紋理特征，并根據(jù)各灰度共生矩陣，計(jì)算每一圖像塊的紋理特征；根據(jù)各個(gè)圖像塊的紋理特征，得到原始圖像所對(duì)應(yīng)的紋理特征。
文檔編號(hào)G06K9/52GK102289671SQ20111025838
公開日2011年12月21日 申請(qǐng)日期2011年9月2日 優(yōu)先權(quán)日2011年9月2日
發(fā)明者楊志宇 申請(qǐng)人:北京新媒傳信科技有限公司