基于形狀共生模式的紋理圖像分類方法
【專利摘要】本發(fā)明公開了一種基于形狀共生模式的紋理圖像分類方法，本發(fā)明方法首先對(duì)圖像建立形狀拓?fù)錁洌⒏鶕?jù)形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀屬性特征以及獨(dú)立形狀的級(jí)聯(lián)關(guān)系構(gòu)造形狀共生模式特征；然后，基于聚類算法構(gòu)造形狀共生模式字典，并統(tǒng)計(jì)獲得圖像中所有獨(dú)立形狀的形狀共生模式特征對(duì)形狀共生模式字典的分布直方圖；最后，利用圖像的分布直方圖作為圖像紋理特征進(jìn)行紋理圖像分類。本發(fā)明可同時(shí)對(duì)圖像中大面積區(qū)域和小面積區(qū)域進(jìn)行特征分析，而不僅局限于局部特征分析，穩(wěn)定性更高；另外，提出了形狀共生模式，可對(duì)形狀結(jié)構(gòu)間的關(guān)系進(jìn)行建模，尤其適用于圖像的紋理分析和識(shí)別。
【專利說(shuō)明】基于形狀共生模式的紋理圖像分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理和分析領(lǐng)域，特別涉及一種基于形狀共生模式的紋理圖像分類方法。
【背景技術(shù)】
[0002]紋理圖像分類對(duì)紋理圖像的分析與應(yīng)用具有重要意義，目前紋理的定義還沒有統(tǒng)一意見。Tamurat1]等人認(rèn)為紋理是一種宏觀區(qū)域，這些宏觀區(qū)域具有簡(jiǎn)單屬性的模式的重復(fù)與排列；Meyer認(rèn)為紋理是模式的重復(fù)與變化的微妙平衡[2]。過(guò)去幾十年中，大量針對(duì)紋理分析的方法被提出，如基于特征共生矩陣的方法[3’4]，基于紋理基元的分析方法。在這些方法中[5’6]，以及基于形狀不變特征的分析方法m在分析局部特征時(shí)比較有效，但是卻忽略了圖像中面積較大的區(qū)域以及區(qū)域間的結(jié)構(gòu)關(guān)系。
[0003]有關(guān)參考文獻(xiàn):
[0004][I]H.Tamuraj S.Mori, and T.Yamawak1.“Texture features corresponding tovisual perception，，.IEEE Trans.System, Man and Cybernaticj 6, 1978.[0005][2] Y.Meyer.1iWorkshopiAn interdisciplinary approach to Textures andNatural Images Processing，，，Institut Henri Poincare, Paris, January2007.[0006][3]L.Davis, uPolarograms:a new tool for image texture analysis，nPatternRecognition, vol.13，n0.3，pp.219 - 223，1981.[0007][4]M.Pietik..ainen，T.0jalaj and Z.Xuj “Rotation-1nvariant textureclassification using feature distributions，，，Pattern Recognition, vol.33, n0.1, pp.43 - 52，2000
[0008][5] J.Portilla and E.P.Simoncellij “A parametric texture model based onjoint statistics of complex wavelet coefficients, Int.J.Comput.Vision, vol.40,n0.1，pp.49 - 70，2000
[0009][6]L.Sifrej S.Mallatj and E.N.S.DI，“Rotation，scaling and deformationinvariant scattering for texture discrimination，，，in Proc.CVPRj 2013.[0010][7]G.-S.Xia，J.Delon，and Y.Gousseauj “Shape-based invariant textureindexing，，，International journal of computer vision, vol.88, n0.3, pp.382 - 403, 20
10.
【發(fā)明內(nèi)容】

[0011]針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明提出了一種不局限于局部特征的、基于形狀共生模式的紋理圖像分類方法。
[0012]本發(fā)明的思路如下:
[0013]釆用形狀拓?fù)錁浔磉_(dá)圖像，根據(jù)形狀屬性特征及形狀的級(jí)聯(lián)關(guān)系構(gòu)造形狀共生模式；構(gòu)造形狀共生模式字典，獲得各圖像中所有形狀共生模式對(duì)形狀共生模式字典的分布直方圖，即形狀共生模式的分布直方圖；以形狀共生模式的分布直方圖為圖像特征，基于圖像特征實(shí)現(xiàn)紋理圖像分類。
[0014]為解決上述技術(shù)問(wèn)題，本發(fā)明采用如下的技術(shù)方案:
[0015]基于形狀共生模式的紋理圖像分類方法，包括步驟:
[0016]步驟1，建立原始圖像的形狀拓?fù)錁浔磉_(dá)，所述的形狀拓?fù)錁渲泄?jié)點(diǎn)代表獨(dú)立形狀，父節(jié)點(diǎn)代表的獨(dú)立形狀在空間上包含子節(jié)點(diǎn)代表的獨(dú)立形狀，根節(jié)點(diǎn)表示整幅原始圖像；
[0017]步驟2，計(jì)算形狀拓?fù)錁渲兴歇?dú)立形狀的m種不同的形狀屬性值，并將獨(dú)立形狀的形狀屬性值組合成獨(dú)立形狀的形狀屬性特征，m為不小于2的自然數(shù)；
[0018]步驟3，針對(duì)形狀拓?fù)錁渲懈鳘?dú)立形狀Si,取獨(dú)立形狀Si及其第kXr級(jí)祖先節(jié)點(diǎn)代表的獨(dú)立形狀的形狀屬性特征組合成獨(dú)立形狀Si的形狀共生模式特征，k依次取1、…、η, η和r值預(yù)先人為設(shè)定；
[0019]步驟4，選取不少于2幅的圖像樣本，對(duì)圖像樣本形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀共生模式特征進(jìn)行聚類，獲得的聚類中心即為形狀共生模式字典；[0020]步驟5，對(duì)待分類圖像，將其形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域，獲得待分類圖像的分布直方圖，以分布直方圖作為為圖像紋理特征；
[0021]步驟6，基于圖像紋理特征實(shí)現(xiàn)紋理圖像分類。
[0022]步驟I具體為:
[0023]若原始圖像為彩色圖像，則將原始圖像轉(zhuǎn)化為HSV圖像，取HSV圖像光照強(qiáng)度通道構(gòu)建原始圖像的形狀拓?fù)錁?；若原始圖像為灰度圖像，則直接取原始圖像灰色通道構(gòu)建原始圖像的形狀拓?fù)錁洹?br> [0024]步驟I中采用快速水平集變換法獲取原始圖像的形狀拓?fù)錁洹?br> [0025]步驟2中所述的形狀屬性包括長(zhǎng)寬比、灰度對(duì)比度、尺度因子、旋轉(zhuǎn)角度、橢率、圓率和尺度對(duì)比度中的至少兩種。
[0026]步驟3中，設(shè)置不同的η值獲得獨(dú)立形WSi的多種形狀共生模式特征集，將多種形狀共生模式特征集構(gòu)成獨(dú)立形狀Si的形狀共生模式特征；
[0027]同時(shí)，步驟4中所述的對(duì)圖像樣本形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀共生模式特征進(jìn)行聚類，進(jìn)一步為:
[0028]對(duì)圖像樣本形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀共生模式特征中各形狀共生模式特征集分別進(jìn)行聚類，將獲得的聚類中心分別作為各形狀共生模式特征集對(duì)應(yīng)的形狀共生模式字典；
[0029]同時(shí)，步驟5中所述的將其形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域，獲得待分類圖像的分布直方圖，進(jìn)一步為:
[0030]對(duì)待分類圖像形狀拓?fù)錁渲兴歇?dú)立形狀，將其各形狀共生模式特征集分別分配到對(duì)應(yīng)的形狀共生模式字典的相應(yīng)區(qū)域，獲得待分類圖像和各形狀共生模式特征集對(duì)應(yīng)的分布直方圖，組合各分布直方圖即可。
[0031]步驟5中所述的將其形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域，進(jìn)一步為:[0032]按照歐氏距離最近原則，將形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域。
[0033]步驟6進(jìn)一步包括:
[0034]選取圖像樣本，采用步驟I~5獲得圖像樣本的圖像紋理特征，采用圖像樣本的圖像紋理特征訓(xùn)練SVM分類器；
[0035]將待分類圖像的紋理特征輸入訓(xùn)練后的SVM分類器，從而實(shí)現(xiàn)紋理圖像分類。
[0036]和現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn):
[0037]1、更穩(wěn)定，且可同時(shí)對(duì)圖像中大面積區(qū)域和小面積區(qū)域進(jìn)行特征分析，而不僅局限于局部特征分析。
[0038]2、首次提出了形狀共生模式，可對(duì)形狀結(jié)構(gòu)間的關(guān)系進(jìn)行建模，尤其適用于圖像的紋理分析與識(shí)別。
【專利附圖】

【附圖說(shuō)明】
[0039]圖1為本發(fā)明的具體流程示意圖。
【具體實(shí)施方式】
[0040]本發(fā)明方法首先對(duì)圖像建立形狀拓?fù)錁?，并根?jù)形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀屬性特征以及獨(dú)立形狀的級(jí)聯(lián)關(guān)系構(gòu)造形狀共生模式特征；然后，基于聚類算法構(gòu)造形狀共生模式字典，并統(tǒng)計(jì)獲得圖像中所有獨(dú)立形狀的形狀共生模式特征對(duì)形狀共生模式字典的分布直方圖；最后，利用圖像的分布直方圖作為圖像紋理特征進(jìn)行紋理圖像分類。
[0041]下面將結(jié)合附圖和【具體實(shí)施方式】進(jìn)一步說(shuō)明本發(fā)明的技術(shù)方案，見圖1，本發(fā)明方法的具體實(shí)施流程如下:
[0042]步驟1，建立圖像的形狀拓?fù)錁浔磉_(dá)。
[0043]本步驟屬于本領(lǐng)域內(nèi)的公知技術(shù)，若輸入為彩色圖像，則將圖像轉(zhuǎn)化為HSV彩色通道，并取其光照通道構(gòu)建圖像的形狀拓?fù)錁?；若輸入為灰度圖像，則取圖像灰色通道構(gòu)建圖像的形狀拓?fù)錁洹?br> [0044]本步驟的具體實(shí)現(xiàn)方法為:
[0045]對(duì)于給定圖像I，若圖像I為3通道彩色圖像，將其轉(zhuǎn)化為HSV圖像I1，取HSV圖像I1光照強(qiáng)度通道，建立圖像的形狀拓?fù)錁浔磉_(dá)，Ω為圖像空間。若圖像I為灰度圖像，則直接取其灰度通道建立形狀拓?fù)錁浔磉_(dá)。
[0046]圖像的形狀拓?fù)錁浠谒郊惴ń?，水平集定義為:
[0047]X1(I1) = {p e Ω Il1(P) ^ 1}(I)
[0048]X1(I1) = {p e Ω Il1(P) ^ 1}
[0049]其中，Xi(I1)表示圖像I1的上水平集；X1(I1)表示圖像I1的下水平集；Ω是圖像空間；Ρ是圖像像素點(diǎn)索引；1 e [1，...，L]表示遞增的圖像光照強(qiáng)度水平。
[0050]通過(guò)不斷增加水平量1，可得到一系列二值圖像X1(I1)和X1(I1),這些二值圖像中連通的區(qū)域被定義為形狀，即圖像的基本構(gòu)成單元。按照形狀間的包含關(guān)系，將這些形狀組合成樹形結(jié)構(gòu)，即得到圖像的形狀拓?fù)錁銽= (Si)i = U，其中，Si為獨(dú)立形狀，i為獨(dú)立形狀索引，N為形狀拓?fù)錁渲歇?dú)立形狀總數(shù)。[0051]形狀拓?fù)錁鋵D像的所有信息包含在獨(dú)立形狀Si中，并且將該獨(dú)立形狀Si用級(jí)聯(lián)的結(jié)構(gòu)表示出來(lái)。在該形狀拓?fù)錁渲?，每個(gè)節(jié)點(diǎn)代表一個(gè)獨(dú)立形狀，并且父節(jié)點(diǎn)的獨(dú)立形狀在空間上包含子節(jié)點(diǎn)的獨(dú)立形狀，因此根節(jié)點(diǎn)表示整幅圖像，其包含其余所有獨(dú)立形狀。形狀拓?fù)錁淇芍苯永每焖偎郊儞Q(Fast Level Set Transformation,FLST)算法獲得，本發(fā)明不再贅述。
[0052]步驟2，構(gòu)建圖像形狀拓?fù)錁渲兴歇?dú)立形狀的形狀屬性特征。
[0053]本具體實(shí)施中，對(duì)形狀拓?fù)錁渲兴歇?dú)立形狀分別計(jì)算如下形狀屬性值:長(zhǎng)寬比￡、灰度對(duì)比度Y、尺度因子β、旋轉(zhuǎn)角度Θ、橢率Ke、圓率K。和尺度對(duì)比度a。將形狀屬性組合成獨(dú)立形狀的形狀屬性特征f=[e，Y，0，Θ , K e, K c, α ] 0
[0054]為表征形狀，對(duì)于獨(dú)立形狀Si = {(X，y) ; X，y e Ω }，定義獨(dú)立形狀Si的(p+q)階矩 ^pq(Si):
[0055]
【權(quán)利要求】
1.基于形狀共生模式的紋理圖像分類方法，其特征是，包括步驟: 步驟1，建立原始圖像的形狀拓?fù)錁浔磉_(dá)，所述的形狀拓?fù)錁渲泄?jié)點(diǎn)代表獨(dú)立形狀，父節(jié)點(diǎn)代表的獨(dú)立形狀在空間上包含子節(jié)點(diǎn)代表的獨(dú)立形狀，根節(jié)點(diǎn)表示整幅原始圖像；步驟2，計(jì)算形狀拓?fù)錁渲兴歇?dú)立形狀的m種不同的形狀屬性值，并將獨(dú)立形狀的形狀屬性值組合成獨(dú)立形狀的形狀屬性特征，m為不小于2的自然數(shù)； 步驟3，針對(duì)形狀拓?fù)錁渲懈鳘?dú)立形狀Si,取獨(dú)立形狀Si及其第kXr級(jí)祖先節(jié)點(diǎn)代表的獨(dú)立形狀的形狀屬性特征組合成獨(dú)立形狀Si的形狀共生模式特征，k依次取1、…、η，η和r值預(yù)先人為設(shè)定； 步驟4，選取不少于2幅的圖像樣本，對(duì)圖像樣本形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀共生模式特征進(jìn)行聚類，獲得的聚類中心即為形狀共生模式字典； 步驟5，對(duì)待分類圖像，將其形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域，獲得待分類圖像的分布直方圖，以分布直方圖作為為圖像紋理特征； 步驟6，基于圖像紋理特征實(shí)現(xiàn)紋理圖像分類。
2.如權(quán)利要求1所述的基于形狀共生模式的紋理圖像分類方法，其特征是: 步驟I具體為: 若原始圖像為彩色圖像，則將原始圖像轉(zhuǎn)化為HSV圖像，取HSV圖像光照強(qiáng)度通道構(gòu)建原始圖像的形狀拓?fù)錁?；若原始圖像為灰度圖像，則直接取原始圖像灰色通道構(gòu)建原始圖像的形狀拓?fù)錁洹?br> 3.如權(quán)利要求1所述的·基于形狀共生模式的紋理圖像分類方法，其特征是: 步驟I中采用快速水平集變換法獲取原始圖像的形狀拓?fù)錁洹?br> 4.如權(quán)利要求1所述的基于形狀共生模式的紋理圖像分類方法，其特征是: 步驟2中所述的形狀屬性包括長(zhǎng)寬比、灰度對(duì)比度、尺度因子、旋轉(zhuǎn)角度、橢率、圓率和尺度對(duì)比度中的至少兩種。
5.如權(quán)利要求1所述的基于形狀共生模式的紋理圖像分類方法，其特征是: 步驟3中，設(shè)置不同的η值獲得獨(dú)立形WSi的多種形狀共生模式特征集，將多種形狀共生模式特征集構(gòu)成獨(dú)立形狀Si的形狀共生模式特征； 同時(shí)，步驟4中所述的對(duì)圖像樣本形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀共生模式特征進(jìn)行聚類，進(jìn)一步為: 對(duì)圖像樣本形狀拓?fù)錁渲懈鳘?dú)立形狀的形狀共生模式特征中各形狀共生模式特征集分別進(jìn)行聚類，將獲得的聚類中心分別作為各形狀共生模式特征集對(duì)應(yīng)的形狀共生模式字血.ZN ? 同時(shí)，步驟5中所述的將其形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域，獲得待分類圖像的分布直方圖，進(jìn)一步為: 對(duì)待分類圖像形狀拓?fù)錁渲兴歇?dú)立形狀，將其各形狀共生模式特征集分別分配到對(duì)應(yīng)的形狀共生模式字典的相應(yīng)區(qū)域，獲得待分類圖像和各形狀共生模式特征集對(duì)應(yīng)的分布直方圖，組合各分布直方圖即可。
6.如權(quán)利要求1所述的基于形狀共生模式的紋理圖像分類方法，其特征是: 步驟5中所述的將其形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域，進(jìn)一步為: 按照歐氏距離最近原則，將形狀拓?fù)錁渲兴歇?dú)立形狀的形狀模式特征分配到形狀共生模式字典的相應(yīng)區(qū)域。
7.如權(quán)利要求1所述的基于形狀共生模式的紋理圖像分類方法，其特征是: 步驟6進(jìn)一步包括: 選取圖像樣本，采用步驟I~5獲得圖像樣本的圖像紋理特征，采用圖像樣本的圖像紋理特征訓(xùn)練SVM分類器； 將待分類圖像的紋理特征·輸入訓(xùn)練后的SVM分類器，從而實(shí)現(xiàn)紋理圖像分類。
【文檔編號(hào)】G06K9/62GK103854030SQ201410105398
【公開日】2014年6月11日 申請(qǐng)日期:2014年3月20日 優(yōu)先權(quán)日:2014年3月20日
【發(fā)明者】夏桂松, 劉鋼, 胡凡, 張良培 申請(qǐng)人:武漢大學(xué)