CN103886560A - 一种对噪声鲁棒的图像特征描述方法 - Google Patents

Abstract

本发明公开了一种对噪声鲁棒的图像特征描述方法，属于数字图像处理领域；首先，采用基于局部二值模式的采样方法对局部图像进行采样，构造样本点向量；然后，对所采集到的样本点向量进行一维傅里叶变换，得到基于频域的局部特征描述子；最后，利用低频滤波器，选取特征向量的低频部分作为最终的局部特征描述子。通过频域变换和低频滤波，该特征描述子对于噪声具有较好的鲁棒性，并且保留了LBP描述子的旋转不变性和灰度不变性。

Description

一种对噪声鲁棒的图像特征描述方法

技术领域

本发明涉及数字图像处理领域,特别是一种针对图像受噪声污染的条件下，对含噪图像进行局部特征描述方法，该特征描述子对于噪声有较好的鲁棒性。

背景技术

局部特征就是从图像的局部结构出发，用局部信息来构造出具能够描述局部图像的描述子。局部特征描述了图像中的区域信息，通常因为各个区域之间在像素，颜色或是纹理方面的差异性，局部特征体现出了唯一描述性。用局部特征描述图像可以将繁杂的图像匹配问题转换为特征向量的度量问题，从而提高了算法的速度和鲁棒性。目前，已有许多局部特征描述子被提了出来，最为有名的是David Lowe提出的尺度不变特征变换（SIFT）描述子，此外还有局部二值模式（LBP）描述子、局部三值模式（LTP）描述子、对比上下文直方图（CCH）描述子，等等。对于不含噪声的图像，这些描述子都能够很好的描述图像的局部特征，并且具有光照不变、几何变换不变等特性。但是，当图像存在噪声时，这些描述子就失去了它们原本的作用，不能够准确地刻画描述图像的局部特征，这说明这些局部特征描述子不具备抗噪性。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种对噪声鲁棒的图像特征描述方法，使得该特征描述在含噪条件下，仍具有有效性、旋转不变性和灰度不变性。

为解决上述技术问题，本发明所采用的技术方案是：一种对噪声鲁棒的图像特征描述方法，包括如下步骤：

步骤一、采用基于局部二值模式的采样方法，对含噪图像进行局部采样：

1)设定含噪图像中共有K个像素，以像素i为圆点（i=1,2，...，K），在半径为R的圆上等距采样N个像素点，构成样本点向量T_i=[t₁,t₂,…,t_N]；在该N个像素点中的第p个像素点的坐标为：

(x_p,y_p)=(x_i+Rcos(2πp/N),y_i-Rsin(2πp/N))

式中p=1,2,…,N，(x_i,y_i)为第i个像素点的坐标；

2）对没有完全落在像素位置的点采用双线性插值算法计算其灰度值；

步骤二、将采样的样本点向量T_i进行一维离散傅里叶变换，将样本点向量转换到频域中，构造局部特征描述子V_i=[v₁,v₂,…,v_N]，计算公式如下所示：

$v_j=\underset{p=1}{\overset{N}{\mathrm{\Σ}}}{t}_p\·\exp (\frac{-2\·\mathrm{\π}\·j}{N}\·j\·p)$

式中j=1,2,…,N；

步骤三、采用低通滤波器，选择前M个低频信号来表述局部特征，即图像特征描述子：

V_i′=[v₁,v₂,…,v_M]

步骤四、遍历所述含噪图像的所有像素点，最终完成对含噪图像的局部特征提取。

进一步的，由于对于图像边缘的像素点，在半径为R的邻域圆内，并没有足够多的像素点，可以采用其对称位置上的像素点进行代替，以保证邻域圆内有足够的像素点。

作为优选方案，所述步骤三中前M个低频信号的M取3～8。

本发明的具体实现步骤如下所述：

1）任意的含噪图像I，其包含K个像素点；

2）令像素i=1；

3）以像素i为圆点，在半径为R的圆上等距采样N个像素点，构成样本点向量T_i=[t₁,t₂,…,t_N]，如图2所示；

4）其中，第p个像素点的坐标为：

(x_p,y_p)=(x_i+Rcos(2πp/N),y_i-Rsin(2πp/N))

式中p=1,2,…,N，(x_i,y_i)为第i个像素点的坐标；

5）在数字图像中，并不能保证所有像素点的坐标都刚好落在整数点上，因此采用双线性插值算法对没有完全落在像素位置的点计算其灰度值；

6）对样本点向量T_i进行一维离散傅里叶变换，将样本点向量转换到频域中，构造局部特征描述子V_i=[v₁,v₂,…,v_N]，计算公式如下所示：

$v_j=\underset{p=1}{\overset{N}{\mathrm{\Σ}}}{t}_p\·\exp (\frac{-2\·\mathrm{\π}\·j}{N}\·j\·p)$

式中j=1,2,…,N；

7）通过低通滤波器仅选择前M个低频信号来表示局部图像的固有信息，有效地滤除掉位于高频部分的噪声信号，滤波后的局部特征描述子为：

V_i′=[v₁,v₂,…,v_M]

8）令i=i+1，重复上述步骤，直到i=K，就完成对含噪图像的局部特征提取。

9）对于图像边缘等像素点，在半径为R的邻域圆内，并没有足够多的像素点，采用其对称位置上的像素点进行代替，以保证邻域圆内有足够的像素点。

与现有的图像特征提取方法相比，本发明所具有的有益效果为：

本发明采用基于局部二值模式（LBP）的采样方法，对图像进行局部采样，以此保证了所求的图像特征描述子具有旋转不变性和灰度不变性；其次，针对噪声在频域的分布情况不同，将采样的样本点向量进行一维离散傅里叶变换，得到频域上的局部特征向量；最后，采用低通滤波器，选择几个低频信号来表述局部特征，即最终的具有抗噪特性的图像特征描述子，通过傅里叶变换和低通滤波，所求得的图像特征描述子对噪声有较高的鲁棒性。

附图说明

图1是本发明的流程图；

图2是为本发明进行样本点采样的示意图；

具体实施方式

如图1所示，以下结合实施例对本发明所述方法进行描述：

首先，以某一像素点(x_i,y_i)为中心进行样本点采样，其采样示意图如图2所示。本实施例中的采样半径为2，采样点的个数为16，构成样本点向量为T_i=[t₁,t₂,…,t₁₆]。其中对于第p个样本点位置的计算公式如下所示：

(x_p,y_p)=(x_i+2cos(2πp/16),y_i-2sin(2πp/16))

在数字图像中，并不能保证所有像素点的坐标都刚好落在整数点上，因此采用现有的双线性插值算法对没有完全落在像素位置的点计算其灰度值。

其次，对所求得的样本点向量T_i进行一维离散傅里叶变换，得到频域上的局部特征向量V_i=[v₁,v₂,…,v₁₆]，计算公式如下所示：

$v_j=\underset{p=1}{\overset{N}{\mathrm{\Σ}}}{t}_p\·\exp (\frac{-2\·\mathrm{\π}\·j}{N}\·j\·p)$

由于，图像结构等信息主要包含在低频信号内，噪声等干扰信号主要集中在高频部分，通过现有的低通滤波器，选取前4个低频信号来表示局部特征，并将其作为最终的具有抗噪特性的图像特征描述子，即：

V_i=[v₁,v₂,v₃,v₄]

最后，遍历所有的像素点，建立起整幅图像的特征描述子。该特征描述子对噪声有较好的鲁棒性，并且保留了LBP的旋转不变性和灰度不变性。

Claims (3)

1.一种对噪声鲁棒的图像特征描述方法，其特征在于，包括如下步骤：

步骤一、采用基于局部二值模式的采样方法，对含噪图像进行局部采样：

1)设定含噪图像中共有K个像素，以像素i为圆点（i=1,2，...，K），在半径为R的圆上等距采样N个像素点，构成样本点向量T_i=[t₁,t₂,…,t_N]；在该N个像素点中的第p个像素点的坐标为：

(x_p,y_p)=(x_i+Rcos(2πp/N),y_i-Rsin(2πp/N))

式中p=1,2,…,N，(x_i,y_i)为第i个像素点的坐标；

2）对没有完全落在像素位置的点采用双线性插值算法计算其灰度值；

步骤二、将采样的样本点向量T_i进行一维离散傅里叶变换，将样本点向量转换到频域中，构造局部特征描述子V_i=[v₁,v₂,…,v_N]，计算公式如下所示：

$v_j=\underset{p=1}{\overset{N}{\mathrm{\Σ}}}{t}_p\·\exp (\frac{-2\·\mathrm{\π}\·j}{N}\·j\·p)$

式中j=1,2,…,N；

步骤三、采用低通滤波器，选择前M个低频信号来表述局部特征，即图像特征描述子：

V_i′=[v₁,v₂,…,v_M]

步骤四、遍历所述含噪图像的所有像素点，最终完成对含噪图像的局部特征提取。

2.根据权利要求1所述对噪声鲁棒的图像特征描述方法，其特征在于，还包括如下步骤：对于图像边缘的像素点，在半径为R的邻域圆内没有足够多的像素点，采用其对称位置上的像素点进行代替。

3.根据权利要求1或2所述对噪声鲁棒的图像特征描述方法，其特征在于，所述步骤三中的个数M取3～8。

Images