基于曲线迹变换的图像不变特征提取方法技术

本发明专利技术涉及一种基于曲线迹变换的图像不变特征提取方法，属于图像处理与计算机视觉领域。该方法利用一种新的曲线迹变换的曲线迹来跟踪图像，并将曲线迹上的泛函结果映射到由角速度、振幅、长度和角度四个参数生成的空间上，得到曲线迹变换结果，对该结果继续做泛函积分，能得到图像五重曲线迹空间特征。在曲线迹上使用不同的泛函及相同泛函的不同组合能获得不同的曲线迹变换特征，能多维度表征图像的高层语义纹理特性。本方法利用曲线迹变换提取的纹理特征，保持了原迹变换和圆迹变换特征的RST不变性，且能获得更深层次的图像纹理信息，对于含有任意混合曲线的纹理图像尤其是周期性曲线纹理图像，具备了更好的分辨能力。具备了更好的分辨能力。具备了更好的分辨能力。

【技术实现步骤摘要】
基于曲线迹变换的图像不变特征提取方法


[0001]本专利技术涉及一种基于曲线迹变换的图像不变特征提取方法，属于图像处理与计算机视觉领域。

技术介绍

[0002]图像不变特征能反映图像本质，在图像内容不变时，因光照、角度、分辨率及RST变换等造成图像的外在变化，不变特征通常都具有较强的适应性，特征量变化幅度较小甚至不变，因此不变特征被广泛应用于图像分析中。基于几何变换的Radon变换及其泛化分析方法是不变特征分析方法的一个重要分支，Radon变换将图像变换到按角度投影的区域，将图像矩阵在多角度做积分投影，再对得到的数据做统计分析，以提取具有图像几何不变性的特征。迹变换(Trace transform)则是Radon变换的一种泛化方法，由Kadyrov和Petrou提出，他们同时提出了基于迹变换的三重不变特征提取方法，能获得图像的RST不变特征，在不变图像分析领域具有重要的应用价值，已被广泛应用于各类图像分析中，如纹理分类、图像检索、身份认证、字符识别、人体动作识别、场景分类、医学图像分析、地震勘探等。
[0003]当前已有较多的迹变换相关研究成果，理论研究主要包括泛函的优选组合、设计新的泛函、分析函数对RST变换的不变性及敏感性等，研究重点主要放在了作用于图像的泛函上；也有较多研究人员将迹变换应用于工程实际，其重点依然是针对特殊问题选取合适的泛函。而对迹线进行研究以更大限度去契合图像纹理，鲜见相关文献，仅在2018年有2篇关于圆迹变换及其不变特征提取方法的研究成果，该方法对于圆弧形几何纹理有较好的描述性能，是迹变换的一种图像补充表征方法，详见参考文献【圆迹变换及图像纹理分析[J].电子学报,2018,46(10):2351
‑
2358.】、【Circular Trace Transform and Its PCA
‑
Based Fusion Features for Image Representation.IET Image Process,2018,12(10):1797
‑
1806.】，但针对于含有复杂纹理尤其是周期性混合曲线纹理的图像，依然缺乏其不变特征提取方法的相关研究。

技术实现思路

[0004]为了获得一种对混合曲线纹理图像更敏感的不变特征，本专利技术提出了一种基于曲线迹变换的图像不变特征提取方法，以获得对含有混合曲线纹理尤其是周期性曲线纹理的图像具有更高辨识能力的不变纹理特征。
[0005]为实现上述目的，本专利技术采用如下技术方案。
[0006]一种基于曲线迹变换的图像不变特征提取方法，包括以下步骤：
[0007]1)对原始图像灰度级量化，得到图像F，将量化后的灰度图像F映射到曲线迹空间Cv(φ,ρ,a,ω,s)，曲线迹空间上的点对应图像F上的唯一一点；其中，φ为曲线的中心点Q、坐标原点O两点的连线与x轴的夹角，ρ为曲线的中心点Q与坐标原点O的距离，a为曲线的振幅，ω为曲线的角速度，s是定义在曲线迹上起始点位于Q的变量；
[0008]2)经曲线迹线泛函R作用去除参数s得到一重特征，获得四维特征数据；
[0009]3)在步骤2)所得四维特征数据基础上经角速度泛函W作用去除参数ω得到二重特征，获得三维特征数据；
[0010]4)在步骤3)所得三维特征数据基础上经振幅泛函A作用去除参数a得到三重特征，获得二维特征矩阵；
[0011]5)在步骤4)所得二维特征矩阵基础上经直径泛函P作用去除参数ρ得到四重特征，获得一维特征向量；
[0012]6)在步骤5)所得一维特征向量基础上经圆周泛函Φ作用去除参数φ得到五重特征，获得一个标量，即一个实数；即经步骤2)至步骤6)的泛函组合作用得到最终的一个图像特征；
[0013]7)重复步骤2)至步骤6)的步骤，选择合适的不同R、W、A、P、Φ泛函组合，获得图像不同的多维曲线迹变换纹理特征。
[0014]其中，步骤1)所述曲线迹空间Cv(φ,ρ,a,ω,s)，曲线迹采用的是规则的正弦曲线，正弦曲线的一般表达式为由由图2、图3中所示可知，我们可以通过改变ρ，φ的值代替初相和偏距k的变化，如图2所示，偏距Δk＝ρ'sinφ'
‑
ρsinφ，偏距k的变化只是影响正弦曲线的上下移动位置变化。如图3所示，初相的变化直接反映了正弦曲线在坐标系上图像的左右移动变化，在ρ不变的情况下，我们可以通过φ的变化来表达初相变化，其中初相的值只是表示正弦曲线在坐标系的左右位置，可以通过在ρ不变的情况下，通过改变φ的值来代替初相的变化。
[0015]综上所述，可泛化定义正弦曲线的一般表达式为y＝a
·
sin(ωx)，其中曲线的角速度ω，振幅a，曲线的中心点Q与坐标原点O的距离ρ，Q、O两点的连线与x轴的夹角φ四个参数可以确定一个曲线迹线，在该曲线迹上定义参数s，则将图像F映射到一个五维空间Cv(φ,ρ,a,ω,s)，Cv命名为曲线迹空间。
[0016]其中，所述曲线迹空间Cv中的每一点对应图像F上唯一点，每张图像唯一对应一个曲线迹迹空间投影数据；
[0017]假设曲线迹空间Cv中的一点(φ,ρ,a,ω,s)与图像F上一点(x，y)对应，则它们之间的变换关系如下
[0018][0019]其中ω是正弦曲线的角速度，a是曲线的振幅，ρ是曲线的中心点Q与坐标原点O的距离，φ是Q、O两点的连线与x轴的夹角，s是定义在曲线迹上起始点位于Q的变量。
[0020]进一步地，步骤2)所述泛函R，步骤3)所述泛函W，步骤4)所述泛函A，步骤5)所述泛函P，步骤6)所述泛函Φ是任意数学运算函数作为泛函，即可以是求积、求导、求极值、求谐波的幅值和相位中的一种或多种。
[0021]进一步地，步骤2)所述泛函R，步骤3)所述泛函W，步骤4)所述泛函A，步骤5)所述泛函P，步骤6)所述泛函Φ，是其他特征提取方法作为泛函，即可以是傅里叶变换、小波变换、局部二值模式(LBP)、灰度共生矩阵(GLCM)中的一种或多种。
[0022]进一步地，步骤6)所述五重特征，由如下泛函公式计算得到：
[0023]∏(F)＝Φ(P(A(W(R(F(φ,ρ,a,ω,s))))))
ꢀꢀꢀ
(2)
[0024]其中，F表示图像，F(φ,ρ,a,ω,s)表示曲线迹变换的参数系上图像的投影，R、W、A、P、Φ分别表示定义在参数s、ω、a、ρ、φ上的泛函。
[0025]进一步地，步骤7)所述合适的泛函，指选择的泛函具有旋转、平移、缩放不变性或敏感性，能提取出图像的不变特征。
[0026]本专利技术的有益效果如下：
[0027]1)选取适当的泛函或调整变换曲线迹空间投影数据，利用曲线迹变换能提取更深层次的图像特征信息，且提取的特征具有几何不变性，可适用于图像识别和图像分类分割等。
[0028]2)在曲线迹上选择合适的R泛函，依据通用近似定理，任何函数曲线均可以分解成一组不同的正弦函数曲线，则原图像中任意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于曲线迹变换的图像不变特征提取方法，其特征在于，包括以下步骤：1)对原始图像灰度级量化，将量化后的灰度图像F映射到曲线迹空间Cv(φ,ρ,a,ω,s)，曲线迹空间上的点对应图像F上的唯一一点；2)经曲线迹线泛函R作用去除参数s得到一重特征，获得四维特征数据；3)在步骤2)所得四维特征数据基础上经角速度泛函W作用去除参数ω得到二重特征，获得三维特征数据；4)在步骤3)所得三维特征数据基础上经振幅泛函A作用去除参数a得到三重特征，获得二维特征矩阵；5)在步骤4)所得二维特征矩阵基础上经直径泛函P作用去除参数ρ得到四重特征，获得一维特征向量；6)在步骤5)所得一维特征向量基础上经圆周泛函Φ作用去除参数φ得到五重特征，获得一个标量，即一个实数；经步骤2)至步骤6)的泛函组合作用得到最终的一个图像特征；7)重复步骤2)至步骤6)的步骤，选择合适的不同R、W、A、P、Φ泛函组合，获得图像不同的多维曲线迹变换纹理特征。2.根据权利要求1所述的基于曲线迹变换的图像不变特征提取方法，其特征在于，步骤1)所述曲线迹空间Cv(φ,ρ,a,ω,s)，曲线迹采用的是规则的正弦曲线，其中曲线的角速度ω、振幅a、曲线的中心点Q与坐标原点O的距离ρ、Q、O两点的连线与x轴的夹角φ四个参数可以确定一个曲线迹线，在该曲线迹上定义参数s，则将图像F映射到一个五维空间Cv(φ,ρ,a,ω,s)，Cv命名为曲线迹空间。3.根据权利要求2所述的基于曲线迹变换的图像不变特征提取方法，其特征在于，所述曲线迹空间Cv中的每一点对应图像F上唯一点，每张图像唯一对应一个曲线迹空间投...

【专利技术属性】
技术研发人员：汪宇玲，常玉祥，于阿宽，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：