一种图像特征的提取方法及设备技术

本发明专利技术公开了一种图像特征的提取方法及设备，包括：以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合；确定所述N个采样集合中每个采样集合的第一灰度值差值序列；对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列；对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值，并确定所述第J个采样集合的局部二值模式特征值。本发明专利技术提出的图像特征的提取方法简单且特征识别率高。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及一种图像特征的提取方法及设备。
技术介绍
在计算机视觉和数字图像处理技术中，图像特征的表示与获取是一项重要的基础性工作。近年来，局部二值模式(LocalBinaryPattern，LBP)的特征提取方法在纹理分析和人脸识别应用中取得了显著的成果。LBP提取原理相对简单，计算复杂度低，且具有旋转不变性和灰度不变性等显著优点，因而该被广泛地应用于纹理分类、图像检索、人脸识别、目标的检测与跟踪、生物和医学图像分析、遥感图像分析等领域。利用不同尺度下LBP特征谱的多区域直方图序列来描述图像纹理特征，称之为多尺度LBP特征，多尺度LBP相对于单尺度LBP具有更高的识别率。多尺度LBP直方图序列是由不同尺度下的LBP直方图串联构成，然而，多尺度LBP直方图串联具有前提条件，即假设不同尺度的LBP之间相互独立。由于自然图像的连续性，图像局部必然具有相关性，因而独立性假设并不成立，导致串联模式的多尺度LBP直方图序列特征具有较高的冗余性，特征的识别率受到一定的限制。综上所述，目前的多尺度LBP特征的提取受到独立性假设的限制，使得特征提取效果受到影响。
技术实现思路
本专利技术提供一种图像特征的提取方法及设备，用以解决现有技术中存在的对同一图像进行多尺度采集后，得到的图像特征值存在较多冗余的问题。本专利技术实施例提供了一种图像特征的提取方法，包括：确定待处理图像的中心像素点；以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合，其中，各采样集合的采样尺度不完全相同，N为大于1的整数；确定所述N个采样集合中每个采样集合的第一灰度值差值序列，所述第一灰度值差值序列由采样集合中每个采样点的灰度值与所述中心像素点的灰度值的差值构成；根据第J个采样集合对应的采样尺度在所述采样尺度序列的序列号，对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列；对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值；根据所述第J个采样集合中每个采样点的符号函数值，确定所述第J个采样集合的局部二值模式特征值。较佳地，所述根据所述第J个采样集合中每个采样点的符号函数值，确定所述第J个采样集合的局部二值模式特征值，包括：对所述第J个采样集合进行旋转不变性的均匀模式编码，得到所述第J个采样集合的局部二值模式特征值。较佳地，所述以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合，包括：若初始采样点数为M，则直接将M个采样点作为采样集合的采样点；若初始采样点数为K*M，则对相邻的K个采样点的灰度值进行平均计算得到一个平均采样点，将得到的M个平均采样点作为采样集合的采样点。较佳地，若初始采样点为非像素采样点，通过对所述非像素采样点的相邻像素点进行双线性插值计算，得到所述非像素采样点的灰度值。较佳地，所述根据第J个采样集合对应的采样尺度在所述采样尺度序列的序列号，对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列，包括：根据如下公式计算第J个采样集合的第二灰度值差值序列:PJ=ΣQ=0N-1pQcos[πNJ(Q+12)];]]>其中，pQ为第Q个采样集合的第一灰度值差值序列，PJ为第J个采样集合的第二灰度值差值序列，其中J＝0,1,...,N-1，Q＝0,1,...,N-1。较佳地，所述对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值，包括：根据如下公式，确定第J个采样集合中第i个采样点的符号函数值：SPji=sign(Pji);]]>其中，为第J个采样集合中第i个采样点的符号函数值，为第J个采样集合中第i个采样点的第二灰度值差值。较佳地，所述对所述第J个采样集合进行旋转不变性的均匀模式编码，得到所述第J个采样集合的局部二值模式特征值，包括：根据如下公式计算第J个采样集合的局部二值模式特征值:LBPjriu2={Σi=0M-1SPji,U(SPj)≤2M+1,U(SPj)>2,]]>其中，U(SPj)=|SPjM-1-SPj0|+Σi=1M-1|SPji-SPji-1|;]]>为第J个采样集合的局部二值模式特征值，为第J个采样集合中第i个采样点的符号函数值，M为第J个采样集合的采样点数。较佳地，所述采样尺度随采样尺度序列的序列号依次递增。较佳地，所述确定所述第J个采样集合的局部二值模式特征值之后，还包括：计算所述待处理图像的全局特征值，根据N个采样集合的局部二值模式特征值及所述全局特征值，确定N个二维直方图，串联所述N个二维直方图。较佳地，所述计算所述待处理图像全局特征值，包括：根据如下公式计算所述待处理图像全局特征值：CLBP_C=sign(xc-x‾).]]>其中，CLBP_C为所述待处理图像的全局特征值，xc为所述待处理图像中心像素点的灰度值，为所述待处理图像灰度值均值。本专利技术实施例还提供一种图像特征的提取设备，包括：采样模块：用于确定待处理图像的中心像素点；以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合，其中，各采样集合的采样尺度不完全相同，N为大于1的整数；第一确定模块：用于确定所述N个采样集合中每个采样集合的第一灰度值差值序列，所述第一灰度值差值序列由采样集合中每个采样点的灰度值与所述中心像素点的灰度值的差值构成；第二确定模块：用于根据第J个采样集合对应的采样尺度在所述采样尺度序列的序列号，对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列；第三确定模块：用于对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值；第四确定模块：用于根据所述第J个采样集合中每个采样点的符号函数值，确定所述第J个采样集合的局部二值模式特征值。较佳地，所述第四确定模块具体用于：对所述第J个采样集合进行旋转不变性的均匀模式编码，得到所述第J个采样集合的局部二值模式特征值。较佳地，所述采样模块具体用于：若初始采样点数为M，则直接将M个采样点作为采样集合的采样点；若初始采样点数为K*M，则对相邻的K个采样点的灰度值进行平均计算得到一个平均采样点，将得到的M个平均采样点作为采样集合的采样点。较佳地，所述采样模块具体用于：若初始采样点为非像素采样点，通过对所述非像素采样点的相邻像素点进行双线性插值计算，得到所述非像素采样点的灰度值。较佳地，所述第二确定模块具体用于：根据如下公式计算第J个采样集合的第二灰度值差值序列:PJ=ΣQ=0N-1pQcos[πNJ(Q+12)];]]>其中，pQ为第Q个采样集合的第一灰度值差值序列，PJ为第J个采样集合的第二灰度值差值序列，其中J＝0,1,...,N-1，Q＝0,1,...,N-1。较佳地本文档来自技高网...

【技术保护点】
一种图像特征的提取方法，其特征在于，包括：确定待处理图像的中心像素点；以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合，其中，各采样集合的采样尺度不完全相同，N为大于1的整数；确定所述N个采样集合中每个采样集合的第一灰度值差值序列，所述第一灰度值差值序列由采样集合中每个采样点的灰度值与所述中心像素点的灰度值的差值构成；根据第J个采样集合对应的采样尺度在所述采样尺度序列的序列号，对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列；对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值；根据所述第J个采样集合中每个采样点的符号函数值，确定所述第J个采样集合的局部二值模式特征值。

【技术特征摘要】
1.一种图像特征的提取方法，其特征在于，包括：确定待处理图像的中心像素点；以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合，其中，各采样集合的采样尺度不完全相同，N为大于1的整数；确定所述N个采样集合中每个采样集合的第一灰度值差值序列，所述第一灰度值差值序列由采样集合中每个采样点的灰度值与所述中心像素点的灰度值的差值构成；根据第J个采样集合对应的采样尺度在所述采样尺度序列的序列号，对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列；对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值；根据所述第J个采样集合中每个采样点的符号函数值，确定所述第J个采样集合的局部二值模式特征值。2.如权利要求1所述的图像特征的提取方法，其特征在于，所述根据所述第J个采样集合中每个采样点的符号函数值，确定所述第J个采样集合的局部二值模式特征值，包括：对所述第J个采样集合进行旋转不变性的均匀模式编码，得到所述第J个采样集合的局部二值模式特征值。3.如权利要求1所述的图像特征的提取方法，其特征在于，所述以所述中心像素点为中心，按照设定的采样尺度序列对所述待处理图像进行N次采样，得到N个采样集合，包括：若初始采样点数为M，则直接将M个采样点作为采样集合的采样点；若初始采样点数为K*M，则对相邻的K个采样点的灰度值进行平均计算得
\t到一个平均采样点，将得到的M个平均采样点作为采样集合的采样点。4.如权利要求3所述的图像特征的提取方法，其特征在于，若初始采样点为非像素采样点，通过对所述非像素采样点的相邻像素点进行双线性插值计算，得到所述非像素采样点的灰度值。5.如权利要求1所述的图像特征的提取方法，其特征在于，所述根据第J个采样集合对应的采样尺度在所述采样尺度序列的序列号，对所述N个采样集合的第一灰度值差值序列进行离散余弦变换，得到所述第J个采样集合的第二灰度值差值序列，包括：根据如下公式计算第J个采样集合的第二灰度值差值序列:PJ=ΣQ=0N-1pQcos[πNJ(Q+12)];]]>其中，pQ为第Q个采样集合的第一灰度值差值序列，PJ为第J个采样集合的第二灰度值差值序列，其中J=0,1,...,N-1，Q=0,1,...,N-1。6.如权利要求1所述的图像特征的提取方法，其特征在于，所述对所述第J个采样集合的第二灰度值差值序列中每个采样点的第二灰度值差值进行符号化处理，得到所述第J个采样集合中每个采样点的符号函数值，包括：根据如下公式，确定第J个采样集合中第i个采样点的符号函数值：SPji=sign(Pji);]]>其中，为第J个采样集合中第i个采样点的符号函数值，为第J个采样集合中第i个采样点的第二灰度值差值。7.如权利要求2所述的图像特征的提取方法，其特征在于，所述对所述第J个采样集合进行旋转不变性的均匀模式编码，得到所述第J个采样集合的局部二值模式特征值，包括：根据如下公式计算第J个采样集合的局部二值模式特征值:LBPjriu2=Σi=0M-1SPji,U(SPj)≤2M+1,U(SPj)>2,]]>其中，U(SPj)=|SPjM-1-SPj0|+Σi=1M-1|SPji-SPji-1|;]]>为第J个采样集合的局部二值模式特征值，为第J个采样集合中第i个采样点的符号函数值，M为第J个采样集合的采样点数。8.如权利要求1所述的图像特征的提取方法，其特征在于，所述采样尺度随采样尺度序列的序列号依次递增。9.如权利要求1所述的图像特征的提取方法，其特征在于，所述确定所述第J个采样集合的局部二值模式特征值之后，还包括：计算所述待处理图像的全局特征值，根据N个采样集合的局部二值模式特征值及所述全局特征值，确定N个二维直方图，串联所述N个二维直方图。10.如权利要求9所述的图像特征的提取方法，其特征在于，所述计算所述待处理图像全局特征值，包括：根据如下公式计...

【专利技术属性】
技术研发人员：胡然，李晓龙，郭宗明，
申请(专利权)人：北京大学，北大方正集团有限公司，北京北大方正电子有限公司，
类型：发明
国别省市：北京;11