CN102663399A - 一种基于Hilbert曲线和LBP的图像局部特征提取方法 - Google Patents
一种基于Hilbert曲线和LBP的图像局部特征提取方法 Download PDFInfo
- Publication number
- CN102663399A CN102663399A CN2012101106042A CN201210110604A CN102663399A CN 102663399 A CN102663399 A CN 102663399A CN 2012101106042 A CN2012101106042 A CN 2012101106042A CN 201210110604 A CN201210110604 A CN 201210110604A CN 102663399 A CN102663399 A CN 102663399A
- Authority
- CN
- China
- Prior art keywords
- lbp
- hilbert curve
- hilbert
- sub
- piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
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
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2Zx,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Zx,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Zx,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(Zx,y)后,沿着α角度方向的一阶差分表示为I′α,d(Zx,y),则:
I′α,d(Zx,y)=I(Zx,y)-I(Zx-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Zx,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Zx,y的四个一阶差分,具体可以写为:
I′0°,1(Zx,y)=I(Zx,y)-I(Zx-1,y) (1)
I′45°,1(Zx,y)=I(Zx,y)-I(Zx-1,y-1) (2)
I′90°,1(Zx,y)=I(Zx,y)-I(Zx,y-1) (3)
I′135°,1(Zx,y)=I(Zx,y)-I(Zx+1,x-1) (4)
以上的公式中,0°对应的点涉及到I(Zx,y),I(Zx-1,y),45°涉及到I(Zx,y),I(Zx-1,y-1),90°涉及到I(Zx,y),I(Zx,y-1),135°涉及到I(Zx,y),I(Zx+1,x-1),角度和点对之间具有一一对应关系。I(Zx,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:
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210110604.2A CN102663399B (zh) | 2012-04-16 | 2012-04-16 | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210110604.2A CN102663399B (zh) | 2012-04-16 | 2012-04-16 | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663399A true CN102663399A (zh) | 2012-09-12 |
CN102663399B CN102663399B (zh) | 2015-07-01 |
Family
ID=46772883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210110604.2A Active CN102663399B (zh) | 2012-04-16 | 2012-04-16 | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663399B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218784A (zh) * | 2013-04-19 | 2013-07-24 | 北京理工大学 | 基于空间填充曲线和极值点的快速图像滤波方法 |
CN103246880A (zh) * | 2013-05-15 | 2013-08-14 | 中国科学院自动化研究所 | 基于多阶局部显著模式特征统计的人脸识别方法 |
CN103530647A (zh) * | 2013-10-10 | 2014-01-22 | 哈尔滨工程大学 | 基于分数傅里叶变换的纹理分类方法 |
CN103886560A (zh) * | 2014-04-08 | 2014-06-25 | 中国人民解放军国防科学技术大学 | 一种对噪声鲁棒的图像特征描述方法 |
CN106067027A (zh) * | 2016-06-03 | 2016-11-02 | 中国科学院电子学研究所 | Sar图像序列特征提取方法 |
CN106408029A (zh) * | 2016-09-28 | 2017-02-15 | 河南科技大学 | 一种基于结构差分直方图的图像纹理分类方法 |
CN106874912A (zh) * | 2016-12-20 | 2017-06-20 | 银江股份有限公司 | 一种基于改进lbp算子的图像目标检测方法 |
CN110109751A (zh) * | 2019-04-03 | 2019-08-09 | 百度在线网络技术(北京)有限公司 | 分布式切图任务的分配方法、装置及分布式切图系统 |
CN113343958A (zh) * | 2021-08-06 | 2021-09-03 | 北京世纪好未来教育科技有限公司 | 一种文本识别方法、装置、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030297A (zh) * | 2007-03-29 | 2007-09-05 | 杭州电子科技大学 | 一种复杂性测度的图像纹理分割方法 |
-
2012
- 2012-04-16 CN CN201210110604.2A patent/CN102663399B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030297A (zh) * | 2007-03-29 | 2007-09-05 | 杭州电子科技大学 | 一种复杂性测度的图像纹理分割方法 |
Non-Patent Citations (1)
Title |
---|
李树娟: "基于LBP特征的人脸表情分析", 《中国优秀硕士学位论文全文数据库》, 30 April 2011 (2011-04-30) * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218784B (zh) * | 2013-04-19 | 2016-06-01 | 北京理工大学 | 基于空间填充曲线和极值点的快速图像滤波方法 |
CN103218784A (zh) * | 2013-04-19 | 2013-07-24 | 北京理工大学 | 基于空间填充曲线和极值点的快速图像滤波方法 |
CN103246880A (zh) * | 2013-05-15 | 2013-08-14 | 中国科学院自动化研究所 | 基于多阶局部显著模式特征统计的人脸识别方法 |
CN103246880B (zh) * | 2013-05-15 | 2016-03-23 | 中国科学院自动化研究所 | 基于多阶局部显著模式特征统计的人脸识别方法 |
CN103530647B (zh) * | 2013-10-10 | 2017-02-08 | 哈尔滨工程大学 | 基于分数傅里叶变换的纹理分类方法 |
CN103530647A (zh) * | 2013-10-10 | 2014-01-22 | 哈尔滨工程大学 | 基于分数傅里叶变换的纹理分类方法 |
CN103886560A (zh) * | 2014-04-08 | 2014-06-25 | 中国人民解放军国防科学技术大学 | 一种对噪声鲁棒的图像特征描述方法 |
CN106067027A (zh) * | 2016-06-03 | 2016-11-02 | 中国科学院电子学研究所 | Sar图像序列特征提取方法 |
CN106067027B (zh) * | 2016-06-03 | 2019-04-02 | 中国科学院电子学研究所 | Sar图像序列特征提取方法 |
CN106408029A (zh) * | 2016-09-28 | 2017-02-15 | 河南科技大学 | 一种基于结构差分直方图的图像纹理分类方法 |
CN106408029B (zh) * | 2016-09-28 | 2019-09-24 | 河南科技大学 | 一种基于结构差分直方图的图像纹理分类方法 |
CN106874912A (zh) * | 2016-12-20 | 2017-06-20 | 银江股份有限公司 | 一种基于改进lbp算子的图像目标检测方法 |
CN110109751A (zh) * | 2019-04-03 | 2019-08-09 | 百度在线网络技术(北京)有限公司 | 分布式切图任务的分配方法、装置及分布式切图系统 |
CN110109751B (zh) * | 2019-04-03 | 2022-04-05 | 百度在线网络技术(北京)有限公司 | 分布式切图任务的分配方法、装置及分布式切图系统 |
CN113343958A (zh) * | 2021-08-06 | 2021-09-03 | 北京世纪好未来教育科技有限公司 | 一种文本识别方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102663399B (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663399B (zh) | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 | |
Song et al. | Monocular depth estimation using laplacian pyramid-based depth residuals | |
Chen et al. | Searching for efficient multi-scale architectures for dense image prediction | |
Aldoma et al. | Multimodal cue integration through hypotheses verification for rgb-d object recognition and 6dof pose estimation | |
CN103236068B (zh) | 一种局部图像匹配方法 | |
CN114730490A (zh) | 用于虚拟现实和增强现实的系统和方法 | |
JP2014056572A (ja) | 勾配方位のヒストグラムによるテンプレート・マッチング | |
Sang et al. | Multi-scale context attention network for stereo matching | |
CN103839242A (zh) | 一种基于高维索引的图像快速超分辨率增强方法 | |
CN103745207A (zh) | 一种人脸识别的特征提取方法及装置 | |
JP2021532453A (ja) | フィードフォワード畳み込みニューラルネットワークを使用した高速且つ堅牢な皮膚紋理の印のマニューシャの抽出 | |
CN103324753B (zh) | 基于共生稀疏直方图的图像检索方法 | |
CN108062759A (zh) | 一种用于标记二值图像的多像素并行标记方法和系统 | |
Liu et al. | Fac: 3d representation learning via foreground aware feature contrast | |
CN104376312A (zh) | 基于词袋压缩感知特征提取的人脸识别方法 | |
CN101551858B (zh) | 基于差分码及差分码模式的目标识别方法 | |
CN111062274B (zh) | 上下文感知嵌入的人群计数方法、系统、介质及电子设备 | |
HÜSEM et al. | A survey on image super-resolution with generative adversarial networks | |
CN116416649A (zh) | 一种基于多尺度分辨率对齐的视频行人重识别方法 | |
CN106056575A (zh) | 一种基于似物性推荐算法的图像匹配方法 | |
Malkapurkar et al. | A new technique for LBP method to improve face recognition | |
CN112989919B (zh) | 一种从影像中提取目标对象的方法及系统 | |
CN106056599B (zh) | 一种基于物体深度数据的物体识别算法及装置 | |
CN103632357A (zh) | 一种基于光照分离的图像超分辨率增强方法 | |
CN101894379A (zh) | 一种针对大帧间运动视频的特征点运动分割方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180905 Address after: 100094 No. 10, 10 block B, new material pioneering building, 7 Feng Hui Road, Haidian District, Beijing. Patentee after: Beijing Bo Institute Technology Co., Ltd. Address before: 27 Zhongguancun Avenue, Haidian District, Beijing 1101 Patentee before: Beijing Boyan Xinchuang Digital Technology Co., Ltd. |
|
TR01 | Transfer of patent right |