一種基于二維局部二值模式的圖像描述方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理、機(jī)器視覺的技術(shù)領(lǐng)域。具體是一種基于二維局部二值 模式的圖像描述方法。
【背景技術(shù)】
[0002] 圖像的特征提取與描述是圖像處理和模式識別領(lǐng)域中具有挑戰(zhàn)性的研究課題之 一，同時，也日益成為與生活息息相關(guān)的組成部分。隨著網(wǎng)絡(luò)的發(fā)展和大數(shù)據(jù)時代的到來， 許多研究人員聚焦于圖像特征的提取與描述方向，用來有效地提高圖像檢索的準(zhǔn)確率。用 于圖像模式識別的特征大致可歸納為：（1)顏色或灰度的統(tǒng)計特征；（2)紋理、邊緣特征；（3) 代數(shù)特征；（4)變換系數(shù)特征或濾波器系數(shù)特征。其中，紋理特征作為一種重要的視覺線索， 是圖像中普遍存在卻又難W描述的特征。
[0003] LBP(LocalBinaryF^atte;rn,局部二值模式）是首先由T.Ojala,M.Piedk扣nen和 D.化rwood在1994年提出，用來描述圖像的局部紋理特征，它的作用是對圖像的局部紋理特 征進(jìn)行提取。原始的LBP算子是定義在3*3的鄰域內(nèi)，W中屯、像素為闊值，將相鄰的8個像素 的灰度值與其進(jìn)行比較。若鄰域像素值大于中屯、像素值，則該鄰域像素點的位置被記為1， 否則為0。用相同的方法，將相鄰的8個像素分別進(jìn)行標(biāo)記。運樣3*3鄰域內(nèi)可產(chǎn)生8位的無符 號二進(jìn)制數(shù)，即得到該鄰域的LBP值，通過運個值來表示該區(qū)域的紋理信息。在原始LBP的基 礎(chǔ)上，研究人員不斷進(jìn)行各種改進(jìn)和優(yōu)化，進(jìn)而得到了 LBP均勻模式、LBP旋轉(zhuǎn)不變模式、LBP 旋轉(zhuǎn)不變均勻模式化BPriu)等結(jié)果。但是原始的LBP算子及其各種改進(jìn)結(jié)果均是對特征采用 直方圖的形式來進(jìn)行統(tǒng)計，僅僅設(shè)及到圖像中LBP值本身的數(shù)量統(tǒng)計，并沒有考慮到相鄰 LBP值之間所存在的聯(lián)系。本文所提出的二維LBP設(shè)及到運一方面的問題，利用了圖像LBP值 的上下文信息，提高了對圖像描述的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0004] 針對W上現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種有效提高圖像描述準(zhǔn)確率的基于二 維局部二值模式的圖像描述方法，本發(fā)明的技術(shù)方案如下：一種基于二維局部二值模式的 圖像描述方法，其包括W下步驟：
[0005] 101、首先獲取圖像數(shù)據(jù)集，然后對圖像數(shù)據(jù)進(jìn)行預(yù)處理，若為彩色圖像則變換為 灰度圖像；
[0006] 102、采用具有旋轉(zhuǎn)不變均勻模式的局部二值模式方法化BPriu)對步驟101處理后 的圖像進(jìn)行特征提取，得到圖像數(shù)據(jù)集的局部二值模式圖即LBP圖；
[0007] 103、確定LBP圖窗口大小，在LBP圖上構(gòu)造二維局部二值模式特征，同時改變LBPriu 鄰域半徑大小，將不同半徑對應(yīng)的二維LBP特征進(jìn)行融合，構(gòu)造二維LBP特征用來進(jìn)行分類； [000引104、預(yù)先設(shè)定圖像數(shù)據(jù)集的測試集和訓(xùn)練集，根據(jù)步驟103得到的二維LBP特征， 通過對圖像訓(xùn)練集和測試集進(jìn)行匹配，得到最終的分類結(jié)果。
[0009]進(jìn)一步的，所述圖像數(shù)據(jù)集的局部二值模式圖是由圖像的中每個像素的LBP值組 成。
[0010] 進(jìn)一步的，所述步驟103中二維局部二值模式特征的構(gòu)造，具體包括如下步驟：
[001。 1)、當(dāng)圖像LBPriu的鄰域半徑為1，領(lǐng)域個數(shù)為8時，得到的LBPriu( 1，8)共有10種模 式值;設(shè)定LBP圖窗口大小為W，即是在w*w的窗口大小下統(tǒng)計圖像LBPriu值的上下文信息的； [001^2)、構(gòu)造1^8口對（1。，1。），1。表示中屯、像素對應(yīng)的1^8口值，取值范圍為0到9;1。表示中 屯、像素1C的鄰域像素對應(yīng)的LBP值，取值范圍也是0到9，在的LBP圖窗口大小內(nèi)，遍歷整 張圖像，統(tǒng)計出LBP對(1。，U在不同模式值下的對應(yīng)數(shù)量，得到10*10的二維LBP特征；
[001 ；3] 3)、將每張圖像得到的10* 10的二維LBP特征變?yōu)? * 100維的特征；
[0014] 4)、改變LBPriu方法中的半徑大小和鄰域像素個數(shù)，重復(fù)上述過程構(gòu)造出相應(yīng)的二 維LBP特征；
[0015] 5)、將上述半徑值為X，鄰域像素個數(shù)為8x(x為正整數(shù))的二維LBP特征融合起來形 成圖像的最終描述特征。
[0016] 進(jìn)一步的，所述步驟104中訓(xùn)練集和測試集的選擇和匹配的方法，所選用的數(shù)據(jù)庫 名為化odatz紋理數(shù)據(jù)庫，共有111類紋理圖像，每個類中共有9張圖像，選取每類圖像的前 Ξ張作為訓(xùn)練集，剩余的六張作為測試集，訓(xùn)練集和測試集進(jìn)行匹配，來獲得分類結(jié)果。
[0017] 進(jìn)一步的，二維局部二值模式LBP的數(shù)學(xué)表達(dá)式如下：
LBPriu (X，y)表示(X，y)位置的像素對應(yīng)的LBPriu; LBPriu (X+P，y+q)表示(X+P，y+q)位置的像 素對應(yīng)的 LBPriu，p，q是整數(shù)，有;2DLBP(lc，ln)表示 LBP 對（lc，ln)在圖 像大小為M*N的圖像中的數(shù)量;w表示LBP圖的窗口大小；Ic和In分別表示LBP圖的中屯、位置與 鄰域位置的LBP值，最大取值是由鄰域像素個數(shù)所決定的，當(dāng)1。和In相等時，權(quán)重的 值為0,為了防止運一現(xiàn)象，將權(quán)重改為11。-1。1+1，如果1。和In的差值越大，那么權(quán)重就越 大，反之權(quán)重就越小。
[0020] 本發(fā)明的優(yōu)點及有益效果如下：
[0021] 本發(fā)明主要解決了在數(shù)字圖像處理領(lǐng)域中圖像描述準(zhǔn)確率的問題。本發(fā)明首先對 數(shù)據(jù)集中的圖像進(jìn)行預(yù)處理;采用旋轉(zhuǎn)不變均勻模式LBP方法(LBPriu)對預(yù)處理后的圖像進(jìn) 行特征提取，得到圖像的LBP圖；確定LBP圖窗口大小W，在LBP圖上構(gòu)造二維LBP特征，同時改 變LBPriu鄰域半徑大小，將不同半徑對應(yīng)的二維LBP特征進(jìn)行融合，構(gòu)造出描述圖像的最終 特征;最后將選取的測試集與訓(xùn)練集相匹配得到分類結(jié)果。本發(fā)明提出的二維LBP圖像描述 方法，統(tǒng)計了在某一特定LBP圖窗口大小W條件下，圖像中每一個像素的LBPriu和其鄰域像素 的LBPriu的關(guān)系。本發(fā)明利用圖像LBP值的上下文信息，有效提高了對圖像描述的準(zhǔn)確率。
【附圖說明】
[0022] 圖1是本發(fā)明提供優(yōu)選實施例分析方法的流程圖。
[0023] 圖2是本發(fā)明二維LBP特征的構(gòu)造方法流程圖。
【具體實施方式】
[0024] W下結(jié)合附圖，對本發(fā)明作進(jìn)一步說明：
[0025] 如圖1所示，一種基于二維局部二值模式的圖像描述方法，包括如下步驟：
[0026] 第一步:首先對圖像數(shù)據(jù)進(jìn)行預(yù)處理，若為彩色圖像則變換為灰度圖像；
[0027] 第二步:采用具有旋轉(zhuǎn)不變均勻模式的LBP(LBPriu)方法(例如:半徑為1，領(lǐng)域個數(shù) 為8)對第一步處理后的圖像進(jìn)行特征提取，得到數(shù)據(jù)集的LBP圖；
[00%]第Ξ步:根據(jù)第二步得到的LBP圖，確定LBP圖窗口大小W，構(gòu)造二維LBP特征；
[0029] 第四步:改變LBPriu的領(lǐng)域半徑大小和鄰域像素個數(shù)(例如:半徑為1，領(lǐng)域個數(shù)為 8)，對第一步處理后的圖像進(jìn)行特征提取，得到數(shù)據(jù)集的LBP圖；
[0030] 第五步，重復(fù)第Ξ步，然后將得到的二維LBP特征與之前的二維LBP特征融合在一 起，直到LBP的鄰域半徑大小超過預(yù)先設(shè)定的最大值為止；
[0031] 第六步:根據(jù)第五步得到的二維LBP特征，通過對圖像數(shù)據(jù)集中訓(xùn)練集和測試集進(jìn)