本發(fā)明涉及模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域的紋理圖像分類(lèi)，具體地說(shuō)是一種基于結(jié)構(gòu)差分直方圖的圖像紋理分類(lèi)方法。

背景技術(shù)：

紋理廣泛存在于客觀世界，是表達(dá)物體表面或結(jié)構(gòu)的一種基本屬性，也是計(jì)算機(jī)視覺(jué)中一個(gè)很重要的研究方向。紋理的直觀意義十分明確。但是對(duì)于紋理是什么，人們的概念還是比較模糊。在圖形處理中，紋理有著廣泛而籠統(tǒng)的含義。基于紋理的分析和應(yīng)用研究已經(jīng)進(jìn)行了近六十年。紋理方面的研究到現(xiàn)在仍然非常活躍，國(guó)內(nèi)外有許多研究機(jī)構(gòu)都在從事這方面的工作，近些年在國(guó)際知名雜志和重要會(huì)議上，關(guān)于紋理識(shí)別的研究成果層出不窮，多達(dá)數(shù)百篇。由此可見(jiàn)，紋理分析和識(shí)別是一個(gè)非常活躍的研究熱點(diǎn)，有著非常重要的理論研究和實(shí)際應(yīng)用價(jià)值。但是，由于紋理形式的廣泛與多樣，與紋理相關(guān)的很多問(wèn)題尚未得到解決，如紋理的定義及對(duì)其特征的精確描述。目前，基于紋理的特征提取方法大致可以分為兩類(lèi)：空域和變換域方法。其中，基于變換域的方法已經(jīng)提出了很多比較好的特征提取方法，并且能夠成功的應(yīng)用于實(shí)際的應(yīng)用程序當(dāng)中。但是，多數(shù)基于變換域的特征只利用變換系數(shù)的統(tǒng)計(jì)特性來(lái)表示紋理圖像，例如能量直方圖方法。因此，在實(shí)際應(yīng)用中仍然存在著很多亟待解決的問(wèn)題，例如分類(lèi)精度不高，特征維數(shù)大，處理圖片耗時(shí)等等。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于結(jié)構(gòu)差分直方圖的圖像紋理分類(lèi)方法，用于克服現(xiàn)有分類(lèi)方法分類(lèi)精度不高、特征維數(shù)大、處理圖片耗時(shí)等問(wèn)題。

本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案是：一種基于結(jié)構(gòu)差分直方圖的圖像紋理分類(lèi)方法，包括以下步驟：

步驟一、采用分割算法提取圖像紋理的分割結(jié)構(gòu)模式特征，具體方法為：

（1）根據(jù)輸入的紋理圖像Ⅰ，獲取它的最大像素值MaxG、最小像素值MinG和平均像素值MeanG；

（2）根據(jù)步驟（1）中得到的三個(gè)像素值得到分割閾值t_n的表達(dá)式：

，

其中，N為奇數(shù)，是分割閾值的個(gè)數(shù)，t₁=MinG，t_(N+1)/2=MeanG，t_N=MaxG；

（3）利用分割閾值t_n把紋理圖像I轉(zhuǎn)化為分割結(jié)構(gòu)：

，其中，是紋理圖像I在點(diǎn)(x,y)處的像素值；

（4）利用分割結(jié)構(gòu)計(jì)算分割結(jié)構(gòu)模式集：對(duì)于分割結(jié)構(gòu)中的一個(gè)值，它的分割結(jié)構(gòu)模式SSP表示為，其中，是該值的第i個(gè)鄰居，Lt是該值的鄰居的個(gè)數(shù)；通過(guò)對(duì)分割結(jié)構(gòu)模式進(jìn)行統(tǒng)計(jì)計(jì)數(shù)，獲取分割結(jié)構(gòu)模式的直方圖特征；

步驟二、對(duì)傳統(tǒng)完整局部二值模式中的非統(tǒng)一模式進(jìn)行細(xì)分，建立細(xì)分模式的直方圖作為細(xì)分的局部二值模式特征；

步驟三、利用局部鄰域相鄰像素間的差分信息，計(jì)算分割結(jié)構(gòu)模式特征和局部二值模式特征的鄰域差分模式特征：分割結(jié)構(gòu)模式特征和局部二值模式特征的差分模式用NDP表示，則，其中是紋理圖像I和分割結(jié)構(gòu)的第i個(gè)鄰居值，Lt是鄰居的個(gè)數(shù)；通過(guò)對(duì)NDP集進(jìn)行統(tǒng)計(jì)，建立鄰域差分模式的直方圖作為鄰域差分模式特征；

步驟四、對(duì)規(guī)范化的分割結(jié)構(gòu)模式直方圖特征、細(xì)分的局部二值模式直方圖特征和鄰域差分模式直方圖特征進(jìn)行聯(lián)合，把聯(lián)合的特征作為紋理圖像的結(jié)構(gòu)差分直方圖分類(lèi)特征，并利用該特征，采用KNN分類(lèi)器對(duì)紋理圖像進(jìn)行分類(lèi)，獲取分類(lèi)結(jié)果。

本發(fā)明所述步驟二中對(duì)傳統(tǒng)完整局部二值模式進(jìn)行細(xì)分的具體方法為：對(duì)于給定的紋理圖像I，它的局部二值模式用LBP表示，則，其中是紋理圖像I的像素的第i個(gè)鄰居值，P是鄰居值的總數(shù)，為符號(hào)函數(shù)，當(dāng)時(shí)，否則；則細(xì)分的局部二值模式RLBP為：

，

其中U(LBP)是局部二值模式序列中0/1和1/0轉(zhuǎn)換的次數(shù)，通過(guò)對(duì)每一類(lèi)細(xì)分的局部二值模式進(jìn)行統(tǒng)計(jì)即得到細(xì)分的局部二值模式直方圖。

本發(fā)明所述鄰居值的總數(shù)P的取值為8。

本發(fā)明所述步驟一中分割閾值的個(gè)數(shù)N的取值為5。

本發(fā)明所述步驟一和步驟三中Lt的取值均為32。

本發(fā)明所述步驟四中采用KNN分類(lèi)器對(duì)紋理圖像進(jìn)行分類(lèi)時(shí)，k的取值為1。

本發(fā)明的有益效果是：（1）本發(fā)明所述的圖像紋理分類(lèi)方法有效地結(jié)合了圖像紋理的局部特征信息和宏觀紋理結(jié)構(gòu)信息，首先分割結(jié)構(gòu)模式特征包含了圖像紋理的完整輪廓結(jié)構(gòu)，用于表示圖像紋理的整體輪廓信息，細(xì)分的局部二值模式特征是對(duì)傳統(tǒng)的完整局部二值模式進(jìn)行細(xì)分，使傳統(tǒng)完整局部二值模式方法中的非統(tǒng)一模式得到了充分的利用，利用分割結(jié)構(gòu)模式和細(xì)分局部二值模式的鄰居像素間的差分信息，得到鄰域差分模式特征，其中，細(xì)分局部二值模式和鄰域差分模式特征獲取的是圖像紋理的局部紋理信息，這三個(gè)部分的特征通過(guò)標(biāo)準(zhǔn)化，形成了用于描述紋理圖像的結(jié)構(gòu)差分直方圖表示特征。因此該圖像紋理表示方法有效的結(jié)合了圖像紋理的局部和宏觀紋理信息，能夠很好地描述紋理的特征。

（2）針對(duì)不同的成像條件，例如光照變化、圖像旋轉(zhuǎn)和放縮等，結(jié)構(gòu)差分直方圖特征都能夠獲取很好地分類(lèi)性能，在很大程度上提高了分類(lèi)精度。

（3）本發(fā)明特征提取方法的計(jì)算速度很快，特征的維數(shù)相對(duì)比較小，在保證分類(lèi)性能的同時(shí)能夠?qū)崿F(xiàn)快速的紋理圖像分類(lèi)。

附圖說(shuō)明

圖1為本發(fā)明圖像紋理分類(lèi)方法的流程示意圖；

圖2為計(jì)算分割結(jié)構(gòu)模式特征的流程示意圖；

圖3為計(jì)算細(xì)分局部二值模式特征的流程圖；

圖4為計(jì)算鄰域差分模式特征的流程圖；

圖5為本發(fā)明方法和其它方法的平均分類(lèi)精度對(duì)比圖。

具體實(shí)施方式

一種基于結(jié)構(gòu)差分直方圖的圖像紋理分類(lèi)方法，包括以下步驟：

步驟一、采用分割算法提取圖像紋理的分割結(jié)構(gòu)模式特征，具體方法為：

（1）根據(jù)輸入的紋理圖像Ⅰ，獲取它的最大像素值MaxG、最小像素值MinG和平均像素值MeanG；

（2）根據(jù)步驟（1）中得到的三個(gè)像素值得到分割閾值t_n的表達(dá)式：

，

其中，N為奇數(shù)，是分割閾值的個(gè)數(shù)，t₁=MinG，t_(N+1)/2=MeanG，t_N=MaxG；

（3）利用分割閾值t_n把紋理圖像I轉(zhuǎn)化為分割結(jié)構(gòu)：

，其中，是紋理圖像I在點(diǎn)(x,y)處的像素值；

（4）利用分割結(jié)構(gòu)計(jì)算分割結(jié)構(gòu)模式集：對(duì)于分割結(jié)構(gòu)中的一個(gè)值，它的分割結(jié)構(gòu)模式SSP表示為，其中，是該值的第i個(gè)鄰居，Lt是該值的鄰居的個(gè)數(shù)；通過(guò)對(duì)分割結(jié)構(gòu)模式進(jìn)行統(tǒng)計(jì)計(jì)數(shù)，獲取分割結(jié)構(gòu)模式的直方圖特征。

步驟二、對(duì)傳統(tǒng)完整局部二值模式中的非統(tǒng)一模式進(jìn)行細(xì)分，建立細(xì)分模式的直方圖作為細(xì)分的局部二值模式特征；

步驟三、利用局部鄰域相鄰像素間的差分信息，計(jì)算分割結(jié)構(gòu)模式特征和局部二值模式特征的鄰域差分模式特征：分割結(jié)構(gòu)模式特征和局部二值模式特征的差分模式用NDP表示，則，其中是紋理圖像I和分割結(jié)構(gòu)的第i個(gè)鄰居值，Lt是鄰居的個(gè)數(shù)；通過(guò)對(duì)NDP集進(jìn)行統(tǒng)計(jì)，建立鄰域差分模式的直方圖作為鄰域差分模式特征；

步驟四、對(duì)規(guī)范化的分割結(jié)構(gòu)模式直方圖特征、細(xì)分的局部二值模式直方圖特征和鄰域差分模式直方圖特征進(jìn)行聯(lián)合，把聯(lián)合的特征作為紋理圖像的結(jié)構(gòu)差分直方圖分類(lèi)特征，并利用該特征，采用KNN分類(lèi)器對(duì)紋理圖像進(jìn)行分類(lèi)，獲取分類(lèi)結(jié)果。

進(jìn)一步，步驟二中對(duì)傳統(tǒng)完整局部二值模式進(jìn)行細(xì)分的具體方法為：對(duì)于給定的紋理圖像I，它的局部二值模式用LBP表示，則，其中是紋理圖像I的像素的第i個(gè)鄰居值，P是鄰居值的總數(shù)，為符號(hào)函數(shù)，當(dāng)時(shí)，否則；則細(xì)分的局部二值模式RLBP為：

，

其中U(LBP)是局部二值模式序列中0/1和1/0轉(zhuǎn)換的次數(shù)，通過(guò)對(duì)每一類(lèi)細(xì)分的局部二值模式進(jìn)行統(tǒng)計(jì)即得到細(xì)分的局部二值模式直方圖。

進(jìn)一步，鄰居值的總數(shù)P的取值為8。

進(jìn)一步，步驟一中分割閾值的個(gè)數(shù)N的取值為5。

進(jìn)一步，步驟一和步驟三中Lt的取值均為32。

進(jìn)一步，步驟四中采用KNN分類(lèi)器對(duì)紋理圖像進(jìn)行分類(lèi)時(shí)，k的取值為1。

實(shí)施例

下面通過(guò)對(duì)標(biāo)準(zhǔn)紋理庫(kù)CUReT中的紋理圖像進(jìn)行分類(lèi)實(shí)例闡述本發(fā)明的具體實(shí)施方式：

步驟一：利用分割結(jié)構(gòu)算法提取圖像紋理的分割結(jié)構(gòu)模式特征。

對(duì)輸入的紋理圖像計(jì)算鄰域差分模式特征的具體過(guò)程如下：

1）. 獲取輸入圖像的最大、最小和平均像素值；

2）. 利用這三個(gè)像素值計(jì)算分割閾值；

3）. 根據(jù)分割閾值把輸入圖像轉(zhuǎn)化成分割結(jié)構(gòu)；

4）. 計(jì)算分割結(jié)構(gòu)的模式集，對(duì)整個(gè)輸入圖像的局部結(jié)構(gòu)模式建立統(tǒng)計(jì)直方圖作為分割結(jié)構(gòu)模式特征。

步驟二：計(jì)算細(xì)分的局部二值模式特征。

在傳統(tǒng)完整局部二值模式的基礎(chǔ)上，對(duì)計(jì)算出的非統(tǒng)一模式進(jìn)行進(jìn)一步的劃分，得到細(xì)分的局部二值模式特征；

步驟三：計(jì)算分割結(jié)構(gòu)模式和細(xì)分局部二值模式局部鄰域的鄰域差分模式特征。

鄰域差分特征主要根據(jù)分割結(jié)構(gòu)模式和細(xì)分局部二值模式提取的，首先獲取它們局部鄰域中相鄰兩個(gè)像素間的差分信息，通過(guò)相鄰像素間的差值來(lái)量化它們間的關(guān)系，當(dāng)差值不小于0時(shí)量化值為1，反之為0；然后對(duì)每個(gè)局部鄰域形成的0/1序列求和，把這個(gè)和值作為鄰域差分模式，最后對(duì)它們的鄰域差分模式集進(jìn)行統(tǒng)計(jì)計(jì)數(shù)建立模式直方圖，即鄰域差分模式特征。

步驟四：對(duì)得到的三部分規(guī)范化的直方圖特征，通過(guò)聯(lián)合形成紋理圖像的結(jié)構(gòu)差分直方圖表示特征，用K近鄰分類(lèi)器對(duì)紋理圖像進(jìn)行分類(lèi)，得到分類(lèi)精度。

將本方法和其它7個(gè)紋理特征提取方法進(jìn)行比較，十次實(shí)驗(yàn)的平均分類(lèi)正確率（ACAR，%）結(jié)果如圖5所示，圖5驗(yàn)證了本方法的有效性和優(yōu)越性。

通過(guò)與其他方法的比較，可以驗(yàn)證本發(fā)明所提出的方法相對(duì)于其它7個(gè)算法具有很好的優(yōu)越性：有效地提高了紋理圖像的分類(lèi)精度，有效地適應(yīng)紋理圖像成像條件的變化，有效地提高分類(lèi)速度。另外，本發(fā)明所提出的方法相對(duì)于傳統(tǒng)局部二值模式（LBP）方法在保留計(jì)算簡(jiǎn)單的基礎(chǔ)上，充分的利用了傳統(tǒng)方法丟失的信息，具有廣泛的應(yīng)用價(jià)值。