CN102663400A - 一种结合预处理的lbp特征提取方法 - Google Patents
一种结合预处理的lbp特征提取方法 Download PDFInfo
- Publication number
- CN102663400A CN102663400A CN2012101115766A CN201210111576A CN102663400A CN 102663400 A CN102663400 A CN 102663400A CN 2012101115766 A CN2012101115766 A CN 2012101115766A CN 201210111576 A CN201210111576 A CN 201210111576A CN 102663400 A CN102663400 A CN 102663400A
- Authority
- CN
- China
- Prior art keywords
- lbp
- image
- histogram
- preprocessing
- piecemeal
- 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)
- Image Processing (AREA)
Abstract
本发明公开了一种结合预处理的LBP特征提取方法,用直方图均衡化、高斯平滑和Sobel算子对图像进行预处理,通过预处理前后在Feret人脸库的实验结果比较其识别率,观察各预处理方法对LBP算子性能的影响。大量的实验表明,结合Sobel的LBP算法对于不同光照条件下人脸图像识别率提高幅度较大,这表明在图像轮廓上进行LBP特征提取可以提取更多人脸图像上边缘的分布信息,得到更加合理的人脸图像描述方式,对光照具有鲁棒性。
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方法(LBP),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。算法的识别率和图像的质量密切相关,对图像进行适当的预处理对于改善图像质量有着十分重要的意义。针对局部二值模式算法可采取图像增强、图像平滑和图像分割等预处理方法。
发明内容
本发明的目的是为了提高局部二值模式算法的识别率,结合几种预处理方法来改善图像质量,观察各种预处理算法对局部二值模式算子性能的影响。通过预处理可以去除图像噪声,增强有用的信息,从而提高模式识别系统的识别性能。
本发明分别对图像进行高斯平滑、直方图均衡化和Sobel边缘提取预处理,统计图像识别率,观察各预处理方法对局部二值模式算子性能的影响,再将三种方法结合起来,观察其对局部二值模式算子性能的影响。具体方法的实现如下:
步骤一,采用直方图均衡化、Sobel算子对图像进行预处理;
步骤二,分割图像;使用分块LBP算法,将图像分别分成不同的形式;
步骤三,对每个分块用高斯平滑进行进一步处理;
步骤四,对图像预处理后的每个分块进行LBP特征向量提取,得到该分块的LBP直方图特征,依次将所有分块的直方图特征连接起来组成一个复合的特征向量;
步骤五,计算直方图Chi平方距离S和M表示两张对比图像的LBP直方图,即复合特征向量B表示直方图的总格子数,b表示直方图中第i个格子,Sb,Mb表示第b个格子的直方图特征向量,用最近邻法判定类别,统计识别正确率。
本发明的优点在于:
(1)该方法容易实现;
(2)复杂度低;
(3)在图像轮廓上进行LBP特征提取可以提取更多图像上边缘的分布信息,得到更加合理的图像描述方式。
附图说明
图1为直方图均衡化前后比较;
图2为高斯平滑前后比较;
图3为图像分块;
图4为Sobel边缘提取前后比较;
图5为LBP直方图人脸表达示意图;
图6为Chi平方距离计算过程;
图7为本发明处理方法流程。
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。
本发明提出的结合预处理的LBP特征提取方法,针对输入的图像进行直方图均衡化、高斯平滑和Sobel边缘提取预处理以及相似度计算。具体实现步骤如下:
步骤一,分别采用高斯平滑、Sobel算子对图像进行预处理;
直方图均衡化处理的步骤为:
(1)对给定的待处理图像统计其直方图,求出Pr(rk)=nk/n;rk表示离散灰度级,Pr(rk)表示概率密度函数,nk表示图像中出现rk级灰度的像素数,n表示图像像素总数;k表示灰度;
(2)根据统计出的直方图采用累积分布函数做变换,即T代表累积分布函数,求变换后的新灰度;
(3)用新灰度代替旧灰度,求出Ps(s)。
Sobel算子进行边缘提取过程为先将2个方向模板 沿图像从一个像素移动到另一像素,并将像素中心与图像中某个像素位置重合。然后将模板内系数与对应像素值相乘,将所有相乘值相加,将2个卷积的最大值,赋给模板中心像素。
步骤二,分割图像。使用分块LBP算法,将图像分割成不同的形式,比较识别率;
步骤三,对每个分块用高斯平滑进行进一步处理;将图像与高斯方程进行卷积,其函数表达式为fout(x,y)=fin(x,y)×G(x,y),x,y表示像素点坐标,其中fin(x,y)指输入图像,fout(x,y)指卷积后输出图像,σ为标准差。
步骤四,对图像增强后的每个分块进行LBP特征向量提取,得到该分块的LBP直方图表示形式,然后将这些灰度直方图顺次连接起来,构成复合特征向量;
步骤五,将要判别的图像的LBP直方图与标准数据库中每一张图像的LBP直方图进行比较,通过计算Chi平方距离S和M表示被比较的两个样本LBP直方图,B表示直方图的总bin数,b表示直方图中第i个bin。找到最小的Chi平方距离对应的标准数据库中的图像,选定类别。
实施例1:
应用本发明的方法在人脸识别中,应用到FERET人脸数据库上,识别方法如下:
第一步,分别采用直方图均衡化和Sobel算子对图像进行预处理,结果如图1图2所示。
第二步,分割图像。使用分块LBP算法,将图像分别分成4×4和8×8形式对比识别率,分块如图3所示。
第三步,对每个分块用高斯平滑进行进一步处理;如图4所示。
第四步,对图像增强后的每个分块进行LBP特征向量提取,得到该分块的LBP直方图表示形式,然后将这些灰度直方图顺次连接起来,构成复合特征向量,如图5所示。
对于选取的4个子库图像,单独使用直方图均衡预处理对LBP性能影响不大,结合Sobel的LBP算法对于不同光照条件下人脸图像识别率提高幅度较大,这表明在图像轮廓上进行LBP特征提取可以提取更多人脸图像上边缘的分布信息,得到更加合理的人脸图像描述方式,对光照具有鲁棒性。在高斯平滑预处理的基础上,再进行Sobel边缘提取和LBP特征提取,识别率会得到进一步提升。
Claims (1)
1.一种结合预处理的LBP特征提取方法,其特征在于通过以下步骤实现:
步骤一,采用直方图均衡化、Sobel算子对图像进行预处理;
步骤二,分割图像;使用分块LBP算法,将图像分别分成不同的形式;
步骤三,对每个分块用高斯平滑进行进一步处理;
步骤四,对图像预处理后的每个分块进行LBP特征向量提取,得到该分块的LBP直方图特征,依次将所有分块的直方图特征连接起来组成一个复合的特征向量;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210111576.6A CN102663400B (zh) | 2012-04-16 | 2012-04-16 | 一种结合预处理的lbp特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210111576.6A CN102663400B (zh) | 2012-04-16 | 2012-04-16 | 一种结合预处理的lbp特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663400A true CN102663400A (zh) | 2012-09-12 |
CN102663400B CN102663400B (zh) | 2014-06-04 |
Family
ID=46772884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210111576.6A Active CN102663400B (zh) | 2012-04-16 | 2012-04-16 | 一种结合预处理的lbp特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663400B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034858A (zh) * | 2012-11-30 | 2013-04-10 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
CN103077378A (zh) * | 2012-12-24 | 2013-05-01 | 西安电子科技大学 | 基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统 |
CN103093216A (zh) * | 2013-02-04 | 2013-05-08 | 北京航空航天大学 | 基于人脸图像的性别分类方法及系统 |
CN103745207A (zh) * | 2014-01-27 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种人脸识别的特征提取方法及装置 |
CN103761515A (zh) * | 2014-01-27 | 2014-04-30 | 中国科学院深圳先进技术研究院 | 一种基于lbp的人脸特征提取方法及装置 |
CN105005781A (zh) * | 2015-06-29 | 2015-10-28 | 中国人民解放军国防科学技术大学 | 一种鲁棒扩展局部二值模式纹理特征提取方法 |
CN105225281A (zh) * | 2015-08-27 | 2016-01-06 | 广西交通科学研究院 | 一种车辆检测方法 |
CN106022223A (zh) * | 2016-05-10 | 2016-10-12 | 武汉理工大学 | 一种高维局部二值模式人脸识别方法及系统 |
WO2017000816A1 (zh) * | 2015-06-30 | 2017-01-05 | 芋头科技(杭州)有限公司 | 一种面部识别系统及面部识别方法 |
CN106503718A (zh) * | 2016-09-20 | 2017-03-15 | 南京邮电大学 | 一种基于滤波器组的局部二值模式图像描述方法 |
CN107832773A (zh) * | 2017-09-22 | 2018-03-23 | 华南师范大学 | 一种场景匹配方法及装置 |
CN109002801A (zh) * | 2018-07-20 | 2018-12-14 | 燕山大学 | 一种基于视频监控的人脸遮挡检测方法及系统 |
CN116091851A (zh) * | 2023-04-12 | 2023-05-09 | 汕头市超声仪器研究所股份有限公司 | 一种超声心尖切面图像的快速分类方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004791A (zh) * | 2007-01-19 | 2007-07-25 | 赵力 | 一种基于二维偏最小二乘法的面部表情识别方法 |
CN101075291A (zh) * | 2006-05-18 | 2007-11-21 | 中国科学院自动化研究所 | 一种用于人脸识别的高效提升训练方法 |
CN101425137A (zh) * | 2008-11-10 | 2009-05-06 | 北方工业大学 | 基于拉普拉斯金字塔的人脸图像融合方法 |
CN102254165A (zh) * | 2011-08-12 | 2011-11-23 | 北方工业大学 | 一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法 |
CN102411711A (zh) * | 2012-01-04 | 2012-04-11 | 山东大学 | 一种基于个性化权重的手指静脉识别方法 |
-
2012
- 2012-04-16 CN CN201210111576.6A patent/CN102663400B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075291A (zh) * | 2006-05-18 | 2007-11-21 | 中国科学院自动化研究所 | 一种用于人脸识别的高效提升训练方法 |
CN101004791A (zh) * | 2007-01-19 | 2007-07-25 | 赵力 | 一种基于二维偏最小二乘法的面部表情识别方法 |
CN101425137A (zh) * | 2008-11-10 | 2009-05-06 | 北方工业大学 | 基于拉普拉斯金字塔的人脸图像融合方法 |
CN102254165A (zh) * | 2011-08-12 | 2011-11-23 | 北方工业大学 | 一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法 |
CN102411711A (zh) * | 2012-01-04 | 2012-04-11 | 山东大学 | 一种基于个性化权重的手指静脉识别方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034858B (zh) * | 2012-11-30 | 2016-04-13 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
CN103034858A (zh) * | 2012-11-30 | 2013-04-10 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
CN103077378A (zh) * | 2012-12-24 | 2013-05-01 | 西安电子科技大学 | 基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统 |
CN103077378B (zh) * | 2012-12-24 | 2016-08-31 | 西安电子科技大学 | 基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统 |
CN103093216A (zh) * | 2013-02-04 | 2013-05-08 | 北京航空航天大学 | 基于人脸图像的性别分类方法及系统 |
CN103093216B (zh) * | 2013-02-04 | 2014-08-20 | 北京航空航天大学 | 基于人脸图像的性别分类方法及系统 |
CN103761515B (zh) * | 2014-01-27 | 2018-07-10 | 中国科学院深圳先进技术研究院 | 一种基于lbp的人脸特征提取方法及装置 |
CN103745207A (zh) * | 2014-01-27 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种人脸识别的特征提取方法及装置 |
CN103761515A (zh) * | 2014-01-27 | 2014-04-30 | 中国科学院深圳先进技术研究院 | 一种基于lbp的人脸特征提取方法及装置 |
CN105005781A (zh) * | 2015-06-29 | 2015-10-28 | 中国人民解放军国防科学技术大学 | 一种鲁棒扩展局部二值模式纹理特征提取方法 |
CN105005781B (zh) * | 2015-06-29 | 2019-01-01 | 中国人民解放军国防科学技术大学 | 一种鲁棒扩展局部二值模式纹理特征提取方法 |
WO2017000816A1 (zh) * | 2015-06-30 | 2017-01-05 | 芋头科技(杭州)有限公司 | 一种面部识别系统及面部识别方法 |
US10438056B2 (en) | 2015-06-30 | 2019-10-08 | Yutou Technology (Hangzhou) Co., Ltd. | Face recognition system and face recognition method |
CN105225281B (zh) * | 2015-08-27 | 2017-09-29 | 广西交通科学研究院 | 一种车辆检测方法 |
CN105225281A (zh) * | 2015-08-27 | 2016-01-06 | 广西交通科学研究院 | 一种车辆检测方法 |
CN106022223A (zh) * | 2016-05-10 | 2016-10-12 | 武汉理工大学 | 一种高维局部二值模式人脸识别方法及系统 |
CN106022223B (zh) * | 2016-05-10 | 2019-10-25 | 武汉理工大学 | 一种高维局部二值模式人脸识别方法及系统 |
CN106503718A (zh) * | 2016-09-20 | 2017-03-15 | 南京邮电大学 | 一种基于滤波器组的局部二值模式图像描述方法 |
CN106503718B (zh) * | 2016-09-20 | 2019-11-22 | 南京邮电大学 | 一种基于滤波器组的局部二值模式图像描述方法 |
CN107832773A (zh) * | 2017-09-22 | 2018-03-23 | 华南师范大学 | 一种场景匹配方法及装置 |
CN107832773B (zh) * | 2017-09-22 | 2021-05-04 | 华南师范大学 | 一种场景匹配方法及装置 |
CN109002801A (zh) * | 2018-07-20 | 2018-12-14 | 燕山大学 | 一种基于视频监控的人脸遮挡检测方法及系统 |
CN116091851A (zh) * | 2023-04-12 | 2023-05-09 | 汕头市超声仪器研究所股份有限公司 | 一种超声心尖切面图像的快速分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102663400B (zh) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663400B (zh) | 一种结合预处理的lbp特征提取方法 | |
Overett et al. | Large scale sign detection using HOG feature variants | |
CN111340824B (zh) | 一种基于数据挖掘的图像特征分割方法 | |
CN104778476B (zh) | 一种图像分类方法 | |
CN102194108B (zh) | 一种聚类线性鉴别分析特征选择的笑脸表情识别方法 | |
CN102521579B (zh) | 一种基于二维平面摄像头推的动作识别方法及系统 | |
CN113744311A (zh) | 基于全连接注意力模块的孪生神经网络运动目标跟踪方法 | |
Wang et al. | Pixel classification based color image segmentation using quaternion exponent moments | |
Yang et al. | Real-time traffic sign detection via color probability model and integral channel features | |
Fu et al. | A two-stage attention aware method for train bearing shed oil inspection based on convolutional neural networks | |
CN106909884A (zh) | 一种基于分层结构和可变形部分模型的手部区域检测方法和装置 | |
CN106529441A (zh) | 基于模糊边界分片的深度动作图人体行为识别方法 | |
CN105354547A (zh) | 一种结合纹理和彩色特征的行人检测方法 | |
CN106295478A (zh) | 一种图像特征提取方法和装置 | |
CN111127407B (zh) | 一种基于傅里叶变换的风格迁移伪造图像检测装置及方法 | |
CN102156879B (zh) | 基于加权陆地运动距离的人体目标匹配方法 | |
Arunnehru et al. | Automatic activity recognition for video surveillance | |
Abdullah-Al-Wadud et al. | Skin segmentation using color distance map and water-flow property | |
CN107610133B (zh) | 一种多目标服装图像协同分割方法 | |
Ngoc | An efficient LBP-based descriptor for real-time object detection | |
Zhu et al. | Visual campus road detection for an ugv using fast scene segmentation and rapid vanishing point estimation | |
Bansal et al. | Pedestrian detection with depth-guided structure labeling | |
Tang et al. | Rapid forward vehicle detection based on deformable Part Model | |
Wu et al. | A hierarchical identification method based on improved hand geometry and regional content feature for low-resolution hand images | |
Balamurugan et al. | Detection of traffic signal by adaptive approach and shape constraints. |
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: 20180823 Address after: 100094 3, 10 floor, block B, new material 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 |