非高斯二維Gabor濾波器圖像紋理提取及識別方法
【技術領域】
[0001] 本發(fā)明設及一種非高斯二維G油or濾波器圖像紋理提取及識別方法，屬于模式識 別技術領域。
【背景技術】
[0002] 二維G油or濾波器是一種有效的圖像紋理特征提取方法。關于二維G油or濾波器 的研究主要集中在二維G油or濾波器參數(shù)選擇，二維G油or濾波器的快速計算和二維G油or 濾波器的各種各樣應用方面。
[0003] 傳統(tǒng)的二維G油or濾波器可W看作是在頻域由復正弦函數(shù)調(diào)制高斯核函數(shù)而成， 故傳統(tǒng)的二維G油or濾波器變換到頻域仍為高斯型，采用傳統(tǒng)二維G油or濾波器對圖像進 行濾波處理后，只能提取圖像紋理的高斯頻率信息，圖像中處于非高斯頻帶部分的圖像紋 理信息就被丟失。非高斯二維G油or濾波器在傳統(tǒng)二維高斯濾波器的基礎上引入一個新的 參數(shù)r控制非高斯二維G油or濾波器的形狀。非高斯二維G油or濾波器可W看作是在頻域 由復正弦函數(shù)調(diào)制非高斯核函數(shù)而成，是傳統(tǒng)二維G油or濾波器的一種推廣，能提取圖像 紋理的非高斯頻率信息。
[0004] 人臉識別方面的實驗表明通過選擇適當?shù)膮?shù)r，非高斯二維G油or濾波器在人 臉圖像紋理特征提取及識別方面要大大優(yōu)于傳統(tǒng)的二維G油or濾波器。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了一種非高斯二維G油or濾波器圖像紋理提取及識別方法，W用于解 決非高斯圖像紋理特征提取及識別問題。針對局部傳統(tǒng)二維Gabor濾波器僅能提取圖像紋 理高斯頻率信息的缺陷，本發(fā)明提出的基于非高斯二維G油or濾波器的圖像紋理特征提取 方法能有效提取圖像的非高斯紋理信息。
[0006] 本發(fā)明非高斯二維G油or濾波器圖像紋理提取及識別方法是該樣實現(xiàn)的；首先構(gòu) 造出非高斯二維G油or濾波器，然后采用非高斯二維G油or濾波器對圖像進行濾波處理，計 算濾波后的圖像的幅度矩陣，接著將此幅度矩陣進行分塊，計算各塊的直方圖特征向量，然 后連接各塊的直方圖特征向量，得到原始圖像的直方圖特征向量。最后把該特征向量送入 基于卡方統(tǒng)計量的最近鄰分類器進行分類識別。
[0007] 所述非高斯二維G油or濾波器圖像紋理提取及識別方法的具體步驟如下：
[000引 Stepl、首先構(gòu)造非高斯二維G油or濾波器；非高斯二維G油or濾波器構(gòu)造為；
[0010]其中 口"，kv=kmax/fV，q>,。二孔片/4,kmax是最大頻率，一般kmax=n/2， / = ^/^，尺度參數(shù)V取值為V= 0,. . .，4，方向參數(shù)y取值為y= 0,. . .，3，z= (X，y)和 z|| = (x2+y2)，x，y表示傳統(tǒng)二維G油or濾波器的坐標，i表示虛單位，r是一個引進的參 數(shù)，r〉l，用于控制非高斯二維G油or濾波器的形狀；圖2是本發(fā)明中不同參數(shù)r下非高斯二 維濾波器示意圖。對于不同參數(shù)下的每一組濾波器，水平方向是方向變化，垂直方向是尺度 變化。圖2表明，隨著r增大，濾波器掩模非零部分縮小，故更能提取更加精細的局部紋理 f目息。
[0011] 其中，傳統(tǒng)二維G油or濾波器的定義如下；
[0012]
[0013] Step2、采用非高斯二維G油or濾波器對一幅圖像進行濾波處理；由于非高斯二維 G油or濾波器是一個多尺度多方向的二維濾波器，則在不同尺度和不同方向下對圖像進行 濾波處理；
[0014]首先假定圖像為IW(X，y)，非高斯二維G油or濾波器為NGu,V, Y(X，y)，那么具 有參數(shù)V、y和r的非高斯二維Gabor濾波器對圖像I(X，y)進行濾波的計算式為；
[0015] 其中，X，y表示圖像的坐標，*表示卷積操作，巧表示坐標X，y處濾波后的 圖像，是一個復數(shù)，整個濾波后的圖像變成一個復數(shù)矩陣，表示為的大小與原 圖像相同；
[0016]Step3、求復數(shù)矩陣巧(心的模，記為誠y作，心），姑5巧(心)是一個實數(shù)矩陣，即幅 度矩陣，然后對矩陣進行分塊：把均勻分成4X4的無重疊方塊，一共 16 塊，表示為/,">(i= 0, 1，2,…，15);
[0017]St巧4、提取各分塊（i=0, 1，2,…，15)的直方圖特征向量，表示為邱 (i= 0, 1，2,…，15)，然后依次連接所有各塊的直方圖特征向量，得到原始圖像的多直方圖 特征向量為
[0018] steps、把原始圖像的多直方圖特征向量送入基于卡方統(tǒng)計量的最近鄰分類器進 行分類，來識別原始人臉圖像的身份。
[0019] 所述步驟steps中，基于卡方統(tǒng)計量的最近鄰分類器進行分類時，先 計算卡方統(tǒng)計量距離；設定兩幅人臉圖像I?和IW的直方圖特征向量分別為；
，則此兩 個向量之間的距離，即卡方統(tǒng)計量距離采用如下公式計算：
[0020]
[002U 其中/%G,w?和J分別表示紋理特征向量w和戶\6。w的第 i個元素，K'表示紋理向量的長度，eps為一固定值，為Matl油中最小的正數(shù)。
[0022] 本發(fā)明的有益效果是：
[0023] 1、本發(fā)明構(gòu)造的非高斯二維G油or濾波器是傳統(tǒng)二維G油or濾波器的一種擴展， 傳統(tǒng)二維G油or濾波器僅僅是非高斯二維G油or濾波器的一種特例；
[0024] 2、本發(fā)明構(gòu)造的非高斯二維G油or濾波器可W看作是在頻域由復正弦函數(shù)調(diào)制 非高斯核函數(shù)而成，故能提取圖像紋理的非高斯頻率信息，而傳統(tǒng)的二維Gabor濾波器可 W看作是在頻域由復正弦函數(shù)調(diào)制高斯核函數(shù)而成，故只能提取圖像紋理的高斯頻率信 息，在采用傳統(tǒng)二維Gabor濾波器對圖像進行濾波后，處于非高斯頻帶部分的圖像紋理信 息就被丟失；
[0025] 3、本發(fā)明對采用非高斯二維G油or濾波器濾波后圖像的幅度矩陣進行分塊，計算 各分塊的直方圖特征，連接各分塊的直方圖特征得到原始圖像總的直方圖特征，具有很強 的分類能力；
[0026] 4、在匹配識別階段，本發(fā)明采用卡方統(tǒng)計量煙lisquarestatistic)作為兩個紋 理特征向量之間的距離度量，采用最近鄰分類器進行分類，算法簡單、計算方便，可W做到 實時的圖像匹配識別。
【附圖說明】
[0027] 圖1是本發(fā)明中采用非高斯二維G油or濾波器提取圖像紋理特征的步驟示意框 圖；
[002引圖2是本發(fā)明中不同參數(shù)r下非高斯二維濾波器示意圖，對于不同參數(shù)下的每一 組濾波器，水平方向是方向變化，垂直方向是尺度變化。
[0029] 圖3是本發(fā)明所用theextendedYaleB人臉數(shù)據(jù)庫光照子集中一個人的64張樣 本圖像；
[0030] 圖4是本發(fā)明實施例2中不同參數(shù)下本方法人臉識別率。
【具體實施方式】
[0031] 實施例1;如圖1-4所示，非高斯二維G油or濾波器圖像紋理提取及識別方法，首 先構(gòu)造出非高斯二維G油or濾波器，然后采用非高斯二維G油or濾波器對圖像進行濾波處 理，計算濾波后的圖像的幅度矩陣，接著將此幅度矩陣進行分塊，計算各塊的直方圖特征向 量，然后連接各塊的直方圖特征向量，得到原始圖像的直方圖特征向量。最后把該特征向量 送入基于卡方統(tǒng)計量的最近鄰分類器進行分類識別。
[0032] 所述非高斯二維G油or濾波器圖像紋理提取及識別方法的具體步驟如下：
[0033]Stepl、首先構(gòu)造非高斯二維G油or濾波器；非高斯二維G油or濾波器構(gòu)造為；
[0034]
[0035]其中 口"，kv=kmayfV，CP/,=7l///4,kmax是最大頻率，一般kmax=n/2， /二>/5，尺度參數(shù)V取值為V = 0,. . .，4，方向參數(shù)y取值為y = 0,. . .，3，z = (X，y)和 IIzII= (x2+y2)，x,y表示傳統(tǒng)二維G油or濾波器的坐標，i表示虛單位，r是一個引進的參 數(shù)，r〉l，用于控制非高斯二維G油or濾波器的形狀；