專利名稱：一種基于Hilbert曲線和LBP的圖像局部特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種模式識(shí)別特征提取方法，屬于模式識(shí)別技術(shù)領(lǐng)域。
背景技術(shù)：
圖像識(shí)別領(lǐng)域中的特征提取是至關(guān)重要的一步，其中紋理特征提取方法是目前的——個(gè)熱點(diǎn)。參考文獻(xiàn)T. Ahonen, A. Hadid, and M. Pietikainen/7 Face Description with Local Binary Patterns -Application to Face Recognition, " IEEE Transactions onPattern Analysis and Machine Intelligence, vol. 28,no. 12,pp. 2037-2041,2006.中介紹一種局部二值模式特征，是當(dāng)前模式識(shí)別領(lǐng)域一個(gè)重要方法，它能夠提取圖像中的紋理特征的分布，在很多紋理識(shí)別，分析領(lǐng)域取得非常好的效果。但是該方法沒有考慮在某個(gè)區(qū)域內(nèi)的局部二值特征之間的關(guān)系。事實(shí)上，利用區(qū)域內(nèi)特征點(diǎn)之間的空間關(guān)系提取更多的細(xì)節(jié)信息，所以局部二值模式在刻畫圖像時(shí)候，具有一定的局限性。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有的圖像識(shí)別技術(shù)中存在的局限性問題，提出了一種基于Hilbert曲線和LBP的圖像局部特征提取方法，該方法采用Hilbert曲線將圖像的LBP特征按照一定的順序排列，該順序能夠保證所得到的特征向量包含特征點(diǎn)之間的空間相鄰關(guān)系，從而提高模式識(shí)別系統(tǒng)的識(shí)別性能。本發(fā)明提出了一種新的局部特征提取方法，利用Hilbert特征獲得局部特征間的空間相鄰關(guān)系。具體方法的實(shí)現(xiàn)如下第一步，獲取輸入對(duì)象，并進(jìn)行濾波去噪等預(yù)處理。第二步，LBP特征提取。對(duì)輸入圖像中的所有的點(diǎn)計(jì)算一階差分，然后進(jìn)行二值量化，則獲得一階差分碼特征。另外，以點(diǎn)為中心的3x3 (或者其他的指定大小的區(qū)域)大小的區(qū)域的結(jié)果串接在一起構(gòu)成一個(gè)二值字符串，稱之為一階差分碼模式，將二值字符串轉(zhuǎn)換成十進(jìn)制數(shù)就是點(diǎn)的LBP特征。步驟三，hilbert曲線的選擇及高階特征提取。在步驟二的基礎(chǔ)上，在某個(gè)區(qū)域內(nèi)，根據(jù)區(qū)域內(nèi)像素或者劃分的圖像子塊選擇合適的hilbert曲線階數(shù),將所有點(diǎn)的LBP特征按照Hilbert曲線的掃描順序排列成一個(gè)一維向量。若是區(qū)域細(xì)分成一些子塊，先統(tǒng)計(jì)子塊內(nèi)的LBP直方圖，然后再將子塊看做一個(gè)點(diǎn)，以Hilbert的順序排列，然后將子塊對(duì)應(yīng)的直方圖按照相應(yīng)的順序串聯(lián)起來，獲得一個(gè)特征向量。為了保證特征的魯棒性，可以對(duì)獲得的向量做離散余弦變換或者離散傅里葉變換，取前η個(gè)系數(shù)作為最終的特征。本發(fā)明的優(yōu)點(diǎn)在于(I)該方法容易實(shí)現(xiàn)，只涉及到簡(jiǎn)單的差分，二值化，特征排序；(2)復(fù)雜度低，差分和二值化的計(jì)算復(fù)雜度都很低；
(3)通過對(duì)圖像區(qū)域內(nèi)特征點(diǎn)按照空間相鄰順序排列，獲得了更完整的圖像紋理Ih息的提取，提聞目標(biāo)識(shí)別的性能。


圖I為本發(fā)明方法的流程框圖；圖2Zx,y八個(gè)近鄰元素的例子示意圖；圖3(a)，(b)，(C)為Hilbert曲線生成系統(tǒng)中符號(hào)的幾何解釋；圖4為hilbert曲線示意圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的方法進(jìn)行詳細(xì)說明。本發(fā)明提出的基于hilbert曲線及Ibp的目標(biāo)提取方法，針對(duì)輸入的圖像或者對(duì)象進(jìn)行空間有序特征提取。具體實(shí)現(xiàn)步驟如下步驟一獲取輸入對(duì)象信息。所述的輸入對(duì)象信息是指通過攝像頭或者各種傳感器輸入的圖像，比如人臉，掌紋等圖像，并進(jìn)行Gabor變換處理。步驟二、LBP特征提取。對(duì)于圖像上的每一個(gè)像素點(diǎn)，取其周圍相鄰的8個(gè)像素點(diǎn)，分別與這8個(gè)點(diǎn)的灰度值做差分，然后對(duì)差分結(jié)果按閾值進(jìn)行編碼，構(gòu)成一個(gè)八位的二進(jìn)制數(shù)，該二進(jìn)制對(duì)應(yīng)的十進(jìn)制數(shù)即為該像素點(diǎn)的LBP特征值。以圖2所示為例，圖像I(Z)中的某個(gè)點(diǎn)Zx, y的八近鄰示意圖，它構(gòu)成了一個(gè)局部區(qū)域，區(qū)域大小為3X3，本發(fā)明以這個(gè)點(diǎn)Zx,y作為例子來講解具體的實(shí)現(xiàn)步驟，輸入圖像中的所有的點(diǎn)都將進(jìn)行同樣的處理，下面介紹LBP的提取過程。獲取圖像I (Zx,y)后，沿著α角度方向的一階差分表示為Γ a,d(Zx,y)，則r a,d(zx,y) = I(zx,y)-I(zx_d,y_d)其中a，(1分別表示方向和鄰域點(diǎn)距離當(dāng)前中心點(diǎn)的增量信息，如a為O。,45°，90°和135°等等，也可以是其他的角度。設(shè)Zx,y為I(Z)中的一個(gè)中心點(diǎn)，而且d表示沿著a方向上中心點(diǎn)和鄰近點(diǎn)之間的坐標(biāo)的增量。本發(fā)明以0° ,45° ,90°和135°，以及d =I為例，來闡述如何計(jì)算中心點(diǎn)Zx,y的四個(gè)一階差分，具體可以寫為I' H(ZxX)-U(I)I' 45。，JZx,,) = I(Zxiy)-I(Zm1)⑵I' 90. a(Zx,y) = I(Zxiy)-KZx,^)(3)I' H1(ZxJ=Idy)-IU (4)以上的公式中，0°對(duì)應(yīng)的點(diǎn)涉及到I (Zx, y)，I (Ζχ )，45。涉及到I (Zx, y)，I (Zjri,H)，90。涉及到I (Zx, y)，I (Zx, ")，135°涉及到I (Zx, y)，I (Zx+1, ，角度和點(diǎn)對(duì)之間具有
對(duì)應(yīng)關(guān)系。I (zx,y)表不的是像素點(diǎn)灰度值。 閾值函數(shù)f ()用于對(duì)特定方向的差分結(jié)果進(jìn)行二值化編碼，則可利用閾值函數(shù)定義差分碼f(r a,d⑵)為:
權(quán)利要求
1.一種基于Hilbert曲線和LBP的圖像局部特征提取方法，其特征在于如下步驟 第一步，獲取輸入對(duì)象，進(jìn)行預(yù)處理，濾波去噪； 第二步，對(duì)輸入圖像中的所有的點(diǎn)計(jì)算一階差分，然后進(jìn)行二值量化，則獲得一階差分碼特征； 第三步，在某個(gè)區(qū)域內(nèi)，根據(jù)區(qū)域內(nèi)像素或者劃分的圖像子塊選擇合適的hilbert曲線階數(shù)，將所有點(diǎn)的LBP特征按照Hilbert曲線的掃描順序排列成一個(gè)一維向量。
2.根據(jù)權(quán)利要求I所述的Hilbert曲線和LBP的圖像局部特征提取方法，其特征在于步驟三的具體步驟為 在步驟二的基礎(chǔ)上，在某個(gè)區(qū)域內(nèi)，根據(jù)區(qū)域內(nèi)像素或者劃分的圖像子塊選擇合適的hilbert曲線階數(shù),將所有點(diǎn)的LBP特征按照Hilbert曲線的掃描順序排列成一個(gè)一維向量；若是區(qū)域細(xì)分成一些子塊，先統(tǒng)計(jì)子塊內(nèi)的LBP直方圖，然后再將子塊看做一個(gè)點(diǎn)，以Hilbert的順序排列，然后將子塊對(duì)應(yīng)的直方圖按照相應(yīng)的順序串聯(lián)起來，獲得一個(gè)特征向量；對(duì)獲得的向量做離散余弦變換或者離散傅里葉變換，取前n個(gè)系數(shù)作為最終的特征。
全文摘要
本發(fā)明涉及一種基于Hilbert曲線和LBP的圖像局部特征提取方法，該方法采用Hilbert曲線將圖像的LBP特征按照一定的順序排列，該順序能夠保證所得到的特征向量包含特征點(diǎn)之間的空間相鄰關(guān)系，從而提高模式識(shí)別系統(tǒng)的識(shí)別性能。該局部特征的提取方法為具體為如下第一步，獲取輸入對(duì)象，并進(jìn)行濾波去噪等預(yù)處理；第二步，LBP特征提取；步驟三，hilbert曲線的選擇及高階特征提取。本發(fā)明方法容易實(shí)現(xiàn)，只涉及到簡(jiǎn)單的差分，二值化，特征排序；復(fù)雜度低，差分和二值化的計(jì)算復(fù)雜度都很低。
文檔編號(hào)G06K9/46GK102663399SQ20121011060
公開日2012年9月12日 申請(qǐng)日期2012年4月16日 優(yōu)先權(quán)日2012年4月16日
發(fā)明者薄占濱 申請(qǐng)人:北京博研新創(chuàng)數(shù)碼科技有限公司