一種二維圖像的特征提取方法
【專利摘要】本發(fā)明公開了一種二維圖像的特征提取方法，該方法包含如下步驟：S1.對紋理圖像獲取Gabor濾波差分分解，獲取一組二值圖像集合；S2.對分解后二值圖像使用統(tǒng)計算子提取紋理特征；S3.對提取的紋理特征向量，使用主成分分析法進(jìn)行降維，并對降維后的特征向量進(jìn)行紋理分類及檢索。本發(fā)明具備了不需要定義紋理基元的優(yōu)點(diǎn)，且計算復(fù)雜度適中，新提出的5個統(tǒng)計算子更全面的描述了分解后的紋理基元和基元的排列規(guī)則，且在識別過程中，主成分分析算法的引入，使得該方法計算速度提高，可適用于紋理圖像的實(shí)時檢索分類。
【專利說明】一種二維圖像的特征提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別涉及一種二維圖像的特征提取方法。

【背景技術(shù)】
[0002] 紋理是圖像的一個重要視覺屬性，易于識別而難以定義。經(jīng)過幾十年的研究，研究 者們已提出了成百上千種紋理描述方法。這些方法大體上可分為統(tǒng)計類方法、結(jié)構(gòu)類方法、 模型類方法和信號處理類方法。其中，結(jié)構(gòu)類方法最符合人類的認(rèn)知特點(diǎn)，這類方法認(rèn)為紋 理圖像是由不同的紋理基元按照不同的排列規(guī)則組合而成的。例如沙灘紋理，每一粒沙子 就是該紋理的紋理基元，而沙子之間的隨機(jī)分布規(guī)則即是基元的排列規(guī)則。
[0003] 結(jié)構(gòu)類方法在70年代至80年代提出的比較多，早期代表是Zuker方法和形狀鏈 語法方法。在早期的方法中，如何使用精確的數(shù)學(xué)公式定義紋理基元是最重要也是最困難 的一步，因?yàn)閷τ谧匀患y理圖像，基元一般都復(fù)雜多變，很難用一種數(shù)學(xué)模型通過參數(shù)選擇 能表達(dá)出自然界的各種紋理基元。因此，早期的結(jié)構(gòu)類方法主要用于紋理圖像的合成而不 是分類檢索。
[0004] 在后期的研究中，也有研究者針對紋理基元難以定義的問題進(jìn)行了改進(jìn)，代表性 的方法有統(tǒng)計幾何特征方法以及 申請人:之前提出的統(tǒng)計多尺度斑塊特征方法。雖然這兩個 方法都克服了定義紋理基元的困難且表現(xiàn)出比較好的紋理識別能力，但它們?nèi)匀淮嬖谝韵?幾個缺陷。對統(tǒng)計幾何特征方法來說，使用全局閾值對圖像進(jìn)行分解，使得該方法不具備光 照不變性。其次，對分解后的二值圖像，只提取個體二值斑塊的幾何信息，完全沒有描述斑 塊之間的分布信息，使得最后的描述特征不完整，識別能力有限。對于統(tǒng)計多尺度斑塊特征 方法來說，空間尺度和灰度尺度的二維分解雖然提高了特征的描述能力，但所提取的特征 維數(shù)也大大增加，增加了計算復(fù)雜度。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種二維圖像的特征提取方法，具備了不需要定義紋理基元 的優(yōu)點(diǎn)，且計算復(fù)雜度適中，新提出的5個統(tǒng)計算子更全面的描述了分解后的紋理基元和 基元的排列規(guī)則，且在識別過程中，主成分分析（PCA)算法的引入，使得該方法計算速度提 高，可適用于紋理圖像的實(shí)時檢索分類。
[0006] 為了實(shí)現(xiàn)以上目的，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的： 一種二維圖像的特征提取方法，其特點(diǎn)是，該方法包含如下步驟： S1，對紋理圖像獲取Gabor濾波差分分解，獲取一組二值圖像集合； 52, 對分解后二值圖像使用統(tǒng)計算子提取紋理特征； 53, 對提取的紋理特征向量，使用主成分分析法進(jìn)行降維，并對降溫后的特征向量進(jìn)行 紋理分類及檢索。
[0007] 所述的S1如下步驟： S1. 1，采用Gabor濾波函數(shù)構(gòu)造核函數(shù)，將紋理圖像分解為一組反映不同尺度下紋理 結(jié)構(gòu)的二值圖像：

【權(quán)利要求】
1. 一種二維圖像的特征提取方法，其特征在于，該方法包含如下步驟： S1，對紋理圖像獲取Gabor濾波差分分解，獲取一組二值圖像集合； 52, 對分解后二值圖像使用統(tǒng)計算子提取紋理特征； 53, 對提取的紋理特征向量，使用主成分分析法進(jìn)行降維，并對降溫后的特征向量進(jìn)行 紋理分類及檢索。
2. 如權(quán)利要求1所述的二維圖像的特征提取方法，其特征在于，所述的Sl如下步驟： SI. 1，采用Gabor濾波函數(shù)構(gòu)造核函數(shù)，將紋理圖像分解為一組反映不同尺度下紋理 結(jié)構(gòu)的二值圖像：
其中，MXN為圖像像素大小，I(x，y)表示（x，y)像素點(diǎn)的灰度值； 為Gabor核函數(shù)，其中人，丫分別代表正弦函數(shù)波長、相位偏移和空間的寬高比，<j, 0 分別代表Gabor核中高斯函數(shù)的標(biāo)準(zhǔn)差和Gabor核函數(shù)的方向；T(X,y; 為卷積濾波 圖像，（X，y)為像素點(diǎn)坐標(biāo)，j表示該濾波圖像是按照Gabor核函數(shù)第j組參數(shù)設(shè)置計算所 得；為根據(jù)濾波圖像閾值化得到的相應(yīng)二值圖像4jff(x,y; 0,6)代表同一幅 圖像在Gabor核函數(shù)相鄰參數(shù)設(shè)置下所得二值圖像之間的差異； SI. 2,構(gòu)造差分分解圖像集合,
其中，k為分解出差分圖像的個數(shù)。
3. 如權(quán)利要求2所述的二維圖像的特征提取方法，其特征在于，在所述的步驟SI. 1 后還包含：在二值圖像中將所有1值的連通區(qū)域記為1-blob，所有0值的連通區(qū)域記為 〇-blob〇
4.如權(quán)利要求3所述的二維圖像的特征提取方法，其特征在于，所述的步驟2如下步 驟： S2. 1，計算紋理基元大小，以斑點(diǎn)中像素點(diǎn)的個數(shù)代替斑點(diǎn)的面積，統(tǒng)計一幅二值圖像 中所有斑點(diǎn)面積的平均值，作為紋理基元大小SOB，
其中，NOP(i;o,e)表示第i個1-blob中的像素點(diǎn)個數(shù),<p表示1-blob斑點(diǎn)的集合， I.II表示統(tǒng)計個數(shù)； S2. 2,計算紋理基元形狀規(guī)則度，
其中，II.II表示統(tǒng)計個數(shù)，ROBCi; <J,e)表示步驟SI.1中所得的差異二值圖像中 第i個基元的形狀度量值,0,0參數(shù)取值與步驟SI. 1中一致；ROBmeanO,0：!代表一幅差 異二值圖像中所有基元形狀度量值的樣本均值；HOBsdw(CiJ)代表一幅差異二值圖像中 所有基元形狀度量值的樣本方差； S2. 3,計算紋理基元分布密度DOB，D0B(cj, 0) = ||cp||/、/TM, 其中，P,表示圖像I當(dāng)中的像素點(diǎn)的個數(shù)； S2. 4,計算紋理基元分布的有序性 00D，〇〇D(cj, 0) =S:.etpPdl log:Pd:, 其中，Pd:代表了該最近鄰距離在所有點(diǎn)對最近鄰距離中出現(xiàn)的頻率；
其中，Gb(u,v;cj,e)表示圖像Ib(x3y;cj,e)進(jìn)行二維離散傅里葉變換后的結(jié)果，II表 示取其頻譜成分；獲取的是在該頻譜圖像中除直流分量之外的頻譜能量值最大的 點(diǎn)的坐標(biāo)；Ggiean(Oj)表示圖像中頻譜能量的樣本均值；LODmax(<j,0)為統(tǒng)計該圖像中 的頻譜能量極大值占總能量的比值,L0Dsde%^o,0：)代表該圖像頻譜能量分布的樣本方差 統(tǒng)計。
【文檔編號】G06K9/46GK104268535SQ201410530036
【公開日】2015年1月7日 申請日期:2014年10月10日 優(yōu)先權(quán)日:2014年10月10日
【發(fā)明者】徐琪, 曾衛(wèi)明 申請人:上海海事大學(xué)