CN102663399A - 一种基于Hilbert曲线和LBP的图像局部特征提取方法 - Google Patents

Abstract

本发明涉及一种基于Hilbert曲线和LBP的图像局部特征提取方法，该方法采用Hilbert曲线将图像的LBP特征按照一定的顺序排列，该顺序能够保证所得到的特征向量包含特征点之间的空间相邻关系，从而提高模式识别系统的识别性能。该局部特征的提取方法为具体为如下：第一步，获取输入对象，并进行滤波去噪等预处理；第二步，LBP特征提取；步骤三，hilbert曲线的选择及高阶特征提取。本发明方法容易实现，只涉及到简单的差分，二值化，特征排序；复杂度低，差分和二值化的计算复杂度都很低。

Description

一种基于Hilbert曲线和LBP的图像局部特征提取方法

技术领域

本发明涉及一种模式识别特征提取方法，属于模式识别技术领域。

背景技术

图像识别领域中的特征提取是至关重要的一步，其中纹理特征提取方法是目前的一个热点。参考文献：T.Ahonen，A.Hadid，and M.

″Face Description with LocalBinary Patterns：Application to Face Recognition，″IEEE Transactions on PatternAnalysis and Machine Intelligence，vol.28，no.12，pp.2037-2041，2006.中介绍一种局部二值模式特征，是当前模式识别领域一个重要方法，它能够提取图像中的纹理特征的分布，在很多纹理识别，分析领域取得非常好的效果。但是该方法没有考虑在某个区域内的局部二值特征之间的关系。事实上，利用区域内特征点之间的空间关系提取更多的细节信息，所以局部二值模式在刻画图像时候，具有一定的局限性。

发明内容

本发明的目的是为了解决现有的图像识别技术中存在的局限性问题，提出了一种基于Hilbert曲线和LBP的图像局部特征提取方法，该方法采用Hilbert曲线将图像的LBP特征按照一定的顺序排列，该顺序能够保证所得到的特征向量包含特征点之间的空间相邻关系，从而提高模式识别系统的识别性能。

本发明提出了一种新的局部特征提取方法，利用Hilbert特征获得局部特征间的空间相邻关系。具体方法的实现如下：

第一步，获取输入对象，并进行滤波去噪等预处理。

第二步，LBP特征提取。

对输入图像中的所有的点计算一阶差分，然后进行二值量化，则获得一阶差分码特征。另外，以点为中心的3x3(或者其他的指定大小的区域)大小的区域的结果串接在一起构成一个二值字符串，称之为一阶差分码模式，将二值字符串转换成十进制数就是点的LBP特征。

步骤三，hilbert曲线的选择及高阶特征提取。

在步骤二的基础上，在某个区域内，根据区域内像素或者划分的图像子块选择合适的hilbert曲线阶数，将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量。若是区域细分成一些子块，先统计子块内的LBP直方图，然后再将子块看做一个点，以Hilbert的顺序排列，然后将子块对应的直方图按照相应的顺序串联起来，获得一个特征向量。为了保证特征的鲁棒性，可以对获得的向量做离散余弦变换或者离散傅里叶变换，取前n个系数作为最终的特征。

本发明的优点在于：

(1)该方法容易实现，只涉及到简单的差分，二值化，特征排序；

(2)复杂度低，差分和二值化的计算复杂度都很低；

(3)通过对图像区域内特征点按照空间相邻顺序排列，获得了更完整的图像纹理信息的提取，提高目标识别的性能。

附图说明

图1为本发明方法的流程框图；

图2Z_x，y八个近邻元素的例子示意图；

图3(a)，(b)，(c)为Hilbert曲线生成系统中符号的几何解释；

图4为hilbert曲线示意图。

具体实施方式

下面结合附图和实施例对本发明的方法进行详细说明。

本发明提出的基于hilbert曲线及lbp的目标提取方法，针对输入的图像或者对象进行空间有序特征提取。具体实现步骤如下：

步骤一：获取输入对象信息。

所述的输入对象信息是指通过摄像头或者各种传感器输入的图像，比如人脸，掌纹等图像，并进行Gabor变换处理。

步骤二、LBP特征提取。

对于图像上的每一个像素点，取其周围相邻的8个像素点，分别与这8个点的灰度值做差分，然后对差分结果按阈值进行编码，构成一个八位的二进制数，该二进制对应的十进制数即为该像素点的LBP特征值。

以图2所示为例，图像I(Z)中的某个点Z_x，y的八近邻示意图，它构成了一个局部区域，区域大小为3×3，本发明以这个点Z_x，y作为例子来讲解具体的实现步骤，输入图像中的所有的点都将进行同样的处理，下面介绍LBP的提取过程。

获取图像I(Z_x，y)后，沿着α角度方向的一阶差分表示为I′_α，d(Z_x，y)，则：

I′_α，d(Z_x，y)＝I(Z_x，y)-I(Z_x-d，y-d)

其中α，d分别表示方向和邻域点距离当前中心点的增量信息，如α为0°，45°，90°和135°等等，也可以是其他的角度。设Z_x，y为I(Z)中的一个中心点，而且d表示沿着α方向上中心点和邻近点之间的坐标的增量。本发明以0°，45°，90°和135°，以及d＝1为例，来阐述如何计算中心点Z_x，y的四个一阶差分，具体可以写为：

I′_0°，1(Z_x，y)＝I(Z_x，y)-I(Z_x-1，y)        (1)

I′_45°，1(Z_x，y)＝I(Z_x，y)-I(Z_x-1，y-1)     (2)

I′_90°，1(Z_x，y)＝I(Z_x，y)-I(Z_x，y-1)       (3)

I′_135°，1(Z_x，y)＝I(Z_x，y)-I(Z_x+1，x-1)    (4)

以上的公式中，0°对应的点涉及到I(Z_x，y)，I(Z_x-1，y)，45°涉及到I(Z_x，y)，I(Z_x-1，y-1)，90°涉及到I(Z_x，y)，I(Z_x，y-1)，135°涉及到I(Z_x，y)，I(Z_x+1，x-1)，角度和点对之间具有一一对应关系。I(Z_x，y)表示的是像素点灰度值。

阈值函数f()用于对特定方向的差分结果进行二值化编码，则可利用阈值函数定义差分码f(I′_α，d(Z))为：

$f\left(I_{\mathrm{\&alpha;},d}^{\&prime;}\left(Z\right)\right)=\left\{\begin{array}{cc}1,\mathrm{if}& I_{\mathrm{\&alpha;},d}^{\&prime;}\left(Z\right)>=0\\ 0,\mathrm{if}& I_{\mathrm{\&alpha;},d}^{\&prime;}\left(Z\right)<0\end{array}\right\},---\left(5\right)$

从上面的公式(5)可以知道，差分码f(I′_α，d(Z))是一个二值化的结果。在特征点的八领域内我们获得一个八位的二进制数，即获得一个0-255的十进制数，这个数字即为该点的LBP特征，它包含了特征点与其相邻点的梯度关系。

步骤三，hilbert曲线的选择及高阶特征提取。

在提取完图像的LBP特征后，需要将这些单个点的特征按照一定的顺序串联起来，组成一个包含整幅图像或图像局部区域的特征向量，为了尽可能保留图像像素点之间的空间位置关系，希望原本图像中相邻的像素点，在新的特征向量中具有相应的对应关系，Hilbert曲线扫描可以很好满足这一需求。

希尔伯特曲线是一种能填充满一个平面正方形的分形曲线(空间填充曲线)，由大卫·希尔伯特在1891年提出。由于它能填满平面，它的豪斯多夫维是2。是在Peano曲线上提出的一种更简单的空间填充曲线。

生成希尔伯特曲线的方法有很多种，目前最经典的方法是用L(林氏)系统来生成。以下简要介绍其生成方法。

L系统类似一个自动机，他是一个三原则(V，ω，P)，其中各元的含义如下：V是一个符号表，V^*是该符号表上所有符号串的集合；ω∈V^*是一个非空的符号串，也被称作公理，和自动机的初始状态类似；P是规则的集合，任取v∈V，α∈V^*，规则的表现形式为v→α，这和自动机的产生式类似。

如果将符号串解释成以某种方式绘制曲线或图形，则只要生成符号串，就等于生成了曲线或图形。L系统从公理开始，将变换规则多次作用于符号串上，最后生成了一个较长的符号串；利用该符号串的集合含义来绘制曲线或图形。

用于生成希尔伯特曲线的L系统定义如下：

V＝{L，R，F，+，-}，w＝L

P＝{L→+RF-LFL-FR+，R→-LF+RFR+Fl-}

其中，→表示在将规则作用于符号时，用→右边的符号串代替左边的符号。L，R，F符号的几何解释如图3所示.

V中的各个符号都是绘制希尔伯特曲线要用到的曲线单元，假设当前方向为水平向右，则V中各符号的几何解释(如附图3所示)：

+：表示当前位置顺时针旋转90°

-：表示当前位置逆时针旋转90°

三阶的hilbert曲线如附图4所示。

Claims (2)

1.一种基于Hilbert曲线和LBP的图像局部特征提取方法，其特征在于如下步骤：

第一步，获取输入对象，进行预处理，滤波去噪；

第二步，对输入图像中的所有的点计算一阶差分，然后进行二值量化，则获得一阶差分码特征；

第三步，在某个区域内，根据区域内像素或者划分的图像子块选择合适的hilbert曲线阶数，将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量。

2.根据权利要求1所述的Hilbert曲线和LBP的图像局部特征提取方法，其特征在于：步骤三的具体步骤为：

在步骤二的基础上，在某个区域内，根据区域内像素或者划分的图像子块选择合适的hilbert曲线阶数，将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量；若是区域细分成一些子块，先统计子块内的LBP直方图，然后再将子块看做一个点，以Hilbert的顺序排列，然后将子块对应的直方图按照相应的顺序串联起来，获得一个特征向量；对获得的向量做离散余弦变换或者离散傅里叶变换，取前n个系数作为最终的特征。

Images