CN104239883A - 纹理特征提取方法及装置 - Google Patents

Abstract

本发明提供了一种纹理特征提取方法，包括：获取输入的图像，将所述输入的图像转换到IHS色彩空间中；计算所述转换到IHS色彩空间中图像的简约双四元数矩阵；获取预设的多通道滤波器函数矩阵；计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；查找所述卷积矩阵中邻接差值小于差值阈值的像素坐标，根据所述查找到的像素坐标生成纹理特征。此外，还提供了一种纹理特征提取装置。上述纹理特征提取方法和装置能够降低纹理特征提取的误检率。

Description

纹理特征提取方法及装置

技术领域

本发明涉及图像处理技术领域，特别是涉及一种纹理特征提取方法及装置。

背景技术

在传统技术中的多种应用场景中，通常需要对图像中的纹理进行边缘检测，从而提取出图像中可代表图像中物体前景的纹理特征。例如，在2D视频转3D视频的应用中，通常需要对视频帧中的物体前景进行边缘检测，将其纹理特征提取出来，然后通过视察估计调整其在视频帧中的位置，从而使人眼产生3D的效果。

然而，传统技术在进行边缘检测提取图像帧的纹理特征时，仅参考了图像中单一的灰度边缘信息，致使一些前景边缘被漏检，从而使得纹理特征的误检率较高。

发明内容

基于此，有必要提供一种能降低误检率的纹理特征提取方法。

一种纹理特征提取方法，包括：

获取输入的图像，将所述输入的图像转换到IHS色彩空间中；

计算所述转换到IHS色彩空间中图像的简约双四元数矩阵；

获取预设的多通道滤波器函数矩阵；

计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；

查找所述卷积矩阵中邻接差值小于差值阈值的像素坐标，根据所述查找到的像素坐标生成纹理特征。

在其中一个实施例中，所述多通道滤波器函数矩阵为Gabor滤波器函数矩阵。

在其中一个实施例中，所述计算所述转换到IHS色彩空间中图像的简约双四元数矩阵的步骤为：

根据公式：

Frbs(m,n)＝Fi(m,n)×e^j×Fh(m,n)×e^k×Fs(m,n)

得到简约双四元数矩阵；其中，Frbs为计算得到的简约双四元数矩阵，Fi、Fh和Fs为输入的图像在IHS色彩空间的三个分量，m和n为图像的坐标点，j和k为预设的参数值。

在其中一个实施例中，所述计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵的步骤为：

分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵。

在其中一个实施例中，所述分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵的步骤为：

根据公式：

$\left\{\begin{array}{c}F(p,s)=\mathrm{DRBFT}\left(\mathrm{Frbs}(m,n)\right)\\ H(p,s)=\mathrm{DRBFT}\left(h(m,n)\right)\\ g(m,n)=\mathrm{IDRBFT}(F(p,s)\×H(p,s))\end{array}\right.$

生成卷积矩阵；其中，DRBFT为离散简约双四元数傅立叶变换，IDRBFT为离散简约双四元数傅立叶逆变换，h(m,n)为多通道滤波器函数矩阵，F(p,s)和H(p,s)为中间变量，g(m,n)为生成的卷积矩阵。

此外，还有必要提供一种能降低误检率的纹理特征提取装置。

一种纹理特征提取装置，包括：

图像转换模块，用于获取输入的图像，将所述输入的图像转换到IHS色彩空间中；

RBs矩阵生成模块，用于计算所述转换到IHS色彩空间中图像的简约双四元数矩阵；

滤波函数获取模块，用于获取预设的多通道滤波器函数矩阵；

卷积矩阵生成模块，用于计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；

纹理特征提取模块，用于查找所述卷积矩阵中邻接差值小于差值阈值的像素坐标，根据所述查找到的像素坐标生成纹理特征。

在其中一个实施例中，所述多通道滤波器函数矩阵为Gabor滤波器函数矩阵。

在其中一个实施例中，所述RBs矩阵生成模块还用于根据公式：

Frbs(m,n)＝Fi(m,n)×e^j×Fh(m,n)×e^k×Fs(m,n)

得到简约双四元数矩阵；其中，Frbs为计算得到的简约双四元数矩阵，Fi、Fh和Fs为输入的图像在IHS色彩空间的三个分量，m和n为图像的坐标点，j和k为预设的参数值。

在其中一个实施例中，所述卷积矩阵生成模块还用于分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵。

在其中一个实施例中，所述卷积矩阵生成模块还用于根据公式：

$\left\{\begin{array}{c}F(p,s)=\mathrm{DRBFT}\left(\mathrm{Frbs}(m,n)\right)\\ H(p,s)=\mathrm{DRBFT}\left(h(m,n)\right)\\ g(m,n)=\mathrm{IDRBFT}(F(p,s)\×H(p,s))\end{array}\right.$

生成卷积矩阵；其中，DRBFT为离散简约双四元数傅立叶变换，IDRBFT为离散简约双四元数傅立叶逆变换，h(m,n)为多通道滤波器函数矩阵，F(p,s)和H(p,s)为中间变量，g(m,n)为生成的卷积矩阵。

上述纹理特征提取方法及装置，与传统技术相比，没有在RGB图像的基础上仅利用灰度值来提取纹理特征，而是先将其转换到HIS颜色空间，再通过计算得到简约双四元数矩阵以及根据滤波器函数矩阵计算得到的卷积矩阵来提取纹理特征，充分利用了图像中各像素点的彩色信息（该信息在传统技术中由于转换成灰度图像已经过滤遗失掉），使得参考量更丰富，从而降低了误检率。

附图说明

图1为一个实施例中纹理特征提取方法的流程图；

图2为一个实施例中纹理特征提取装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在一个实施例中，如图1所示，一种纹理特征提取方法，该方法完全依赖于计算机程序，可运行于基于冯诺依曼体系的计算机系统上。

该方法包括：

步骤S102，获取输入的图像，将所述输入的图像转换到IHS色彩空间中。

RGB图像即为以R（red）、G（green）、B（blue）三个颜色通道的数据标识的图像。在实际应用中图像通常为RGB图像，例如电影和视屏中的图像帧。

在本实施例中，可根据公式：

I＝R+G+B

$H=\left\{\begin{array}{c}(G-B)/(I-3B),\mathrm{if\; B}=\min (R,G,B)\\ (B-R)/(I-3R)+1,\mathrm{if\; R}=\min (R,G,B)\\ (R-G)/(I-3G)+2,\mathrm{if\; G}=\min (R,G,B)\end{array}\right.$

$S=\left\{\begin{array}{c}(I-3B)/I,\mathrm{if}0\≤H\≤1\\ (I-3R)/I,\mathrm{if}1\≤H\≤2\\ (I-3G)/I,\mathrm{if}2\≤H\≤3\end{array}\right.$

将RGB图像转换到HIS色彩空间中。其中R、G、B为每个像素点的三颜色通道值，相应的I、H、S即为每个输入的RGB图像的像素点在IHS色彩空间中的数值。

步骤S104，计算转换到IHS色彩空间中图像的简约双四元数矩阵。

简约双四元数矩阵即为RBs（Reduce Biquaternions，简约双四元数）矩阵。在本实施例中，根据公式：

Frbs(m,n)＝Fi(m,n)×e^j×Fh(m,n)×e^k×Fs(m,n)

得到简约双四元数矩阵；其中，Frbs为计算得到、的简约双四元数矩阵，Fi、Fh和Fs为输入的图像在IHS色彩空间的三个分量，m和n为图像的坐标点（也就是说，对于像素点（m，n），iFmn(,)、Fh(m,n)和Fs(m,n)即为该像素点的IHS色彩空间的三分量），j和k为预设的参数值。

步骤S106，获取预设的多通道滤波器函数矩阵。

优选的，多通道滤波器函数矩阵可以是Gabor滤波器函数矩阵。Gabor滤波器函数矩阵中每个元素（m，n）即对应像素点（m，n）的Gabor滤波器函数。

步骤S108，计算简约双四元数矩阵与多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵。

在本实施例中，计算卷积矩阵可分为两步：先分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，再将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵。

具体的，可根据公式：

$\left\{\begin{array}{c}F(p,s)=\mathrm{DRBFT}\left(\mathrm{Frbs}(m,n)\right)\\ H(p,s)=\mathrm{DRBFT}\left(h(m,n)\right)\\ g(m,n)=\mathrm{IDRBFT}(F(p,s)\×H(p,s))\end{array}\right.$

生成卷积矩阵；其中，DRBFT（Discrete Reduce Biquaternions FourierTransforms）为离散简约双四元数傅立叶变换，IDRBFT为离散简约双四元数傅立叶逆变换，h(m,n)为多通道滤波器函数矩阵，F(p,s)和H(p,s)为中间变量，g(m,n)为生成的卷积矩阵。

也就是说，可先通过DRBFT将简约双四元数矩阵和多通道滤波器函数矩阵由时域转换到频域，然后在频域相乘后再由频域逆转换到时域，即可得到卷积矩阵。

需要说明的是，DRBFT和IDRBFT（Inverse Discrete Reduce BiquaternionsFourier Transforms）为通用的时域频域转换算法，再次不再详述。

步骤S110，查找卷积矩阵中邻接差值小于差值阈值的像素坐标，根据查找到的像素坐标生成纹理特征。

如前所述，卷积矩阵g(m,n)中，像素点（m，n）和（m，n+1）邻接，像素点（m，n）和（m，n-1）也邻接。若g(m,n)和g(m,n+1)之间的差值（即邻接差值）小于差值阈值，则像素点（m，n）和（m，n+1）处于同一纹理上；若g(m,n)和g(m,n-1)之间的差值（即邻接差值）大于差值阈值，则像素点（m，n）和（m，n-1）处于不同纹理上。经过上述查找，即可将整个图像中每个像素点属于何种纹理确定，从而提取出了纹理特征。

如图2所示，在一个实施例中，提供了一种纹理特征提取装置，包括图像转换模块102、RBs矩阵生成模块104、滤波函数获取模块106、卷积矩阵生成模块108和纹理特征提取模块110，其中：

图像转换模块102，用于获取输入的图像，将输入的图像转换到IHS色彩空间中。

RBs矩阵生成模块104，用于计算转换到IHS色彩空间中图像的简约双四元数矩阵。

滤波函数获取模块106，用于获取预设的多通道滤波器函数矩阵。

卷积矩阵生成模块108，用于计算简约双四元数矩阵与多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵。

纹理特征提取模块110，用于查找卷积矩阵中邻接差值小于差值阈值的像素坐标，根据查找到的像素坐标生成纹理特征。

在一个实施例中，多通道滤波器函数矩阵为Gabor滤波器函数矩阵。

在一个实施例中，RBs矩阵生成模块104还用于根据公式：

Frbs(m,n)＝Fi(m,n)×e^j×Fh(m,n)×e^k×Fs(m,n)

得到简约双四元数矩阵；其中，Frbs为计算得到的简约双四元数矩阵，Fi、Fh和Fs为输入的图像在IHS色彩空间的三个分量，m和n为图像的坐标点，j和k为预设的参数值。

在一个实施例中，卷积矩阵生成模块108还用于分别对简约双四元数矩阵与多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵。

在一个实施例中，卷积矩阵生成模块108还用于根据公式：

$\left\{\begin{array}{c}F(p,s)=\mathrm{DRBFT}\left(\mathrm{Frbs}(m,n)\right)\\ H(p,s)=\mathrm{DRBFT}\left(h(m,n)\right)\\ g(m,n)=\mathrm{IDRBFT}(F(p,s)\×H(p,s))\end{array}\right.$

生成卷积矩阵；其中，DRBFT为离散简约双四元数傅立叶变换，IDRBFT为离散简约双四元数傅立叶逆变换，h(m,n)为多通道滤波器函数矩阵，F(p,s)和H(p,s)为中间变量，g(m,n)为生成的卷积矩阵。

上述纹理特征提取方法及装置，与传统技术相比，没有在RGB图像的基础上仅利用灰度值来提取纹理特征，而是先将其转换到HIS颜色空间，再通过计算得到简约双四元数矩阵以及根据滤波器函数矩阵计算得到的卷积矩阵来提取纹理特征，充分利用了图像中各像素点的彩色信息（该信息在传统技术中由于转换成灰度图像已经过滤遗失掉），使得参考量更丰富，从而降低了误检率。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种纹理特征提取方法，所述方法包括：

获取输入的图像，将所述输入的图像转换到IHS色彩空间中；

计算所述转换到IHS色彩空间中图像的简约双四元数矩阵；

获取预设的多通道滤波器函数矩阵；

计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；

查找所述卷积矩阵中邻接差值小于差值阈值的像素坐标，根据所述查找到的像素坐标生成纹理特征。

2.根据权利要求1所述的纹理特征提取方法，其特征在于，所述多通道滤波器函数矩阵为Gabor滤波器函数矩阵。

3.根据权利要求1所述的纹理特征提取方法，其特征在于，所述计算所述转换到IHS色彩空间中图像的简约双四元数矩阵的步骤为：

根据公式：

Frbs(m,n)＝Fi(m,n)×e^j×Fh(m,n)×e^k×Fs(m,n)

得到简约双四元数矩阵；其中，Frbs为计算得到的简约双四元数矩阵，Fi、Fh和Fs为输入的图像在IHS色彩空间的三个分量，m和n为图像的坐标点，j和k为预设的参数值。

4.根据权利要求1所述的纹理特征提取方法，其特征在于，所述计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵的步骤为：

分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵。

5.根据权利要求4所述的纹理特征提取方法，其特征在于，所述分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵的步骤为：

根据公式：

$\left\{\begin{array}{c}F(p,s)=\mathrm{DRBFT}\left(\mathrm{Frbs}(m,n)\right)\\ H(p,s)=\mathrm{DRBFT}\left(h(m,n)\right)\\ g(m,n)=\mathrm{IDRBFT}(F(p,s)\×H(p,s))\end{array}\right.$

生成卷积矩阵；其中，DRBFT为离散简约双四元数傅立叶变换，IDRBFT为离散简约双四元数傅立叶逆变换，h(m,n)为多通道滤波器函数矩阵，F(p,s)和H(p,s)为中间变量，g(m,n)为生成的卷积矩阵。

6.一种纹理特征提取装置，其特征在于，包括：

图像转换模块，用于获取输入的图像，将所述输入的图像转换到IHS色彩空间中；

RBs矩阵生成模块，用于计算所述转换到IHS色彩空间中图像的简约双四元数矩阵；

滤波函数获取模块，用于获取预设的多通道滤波器函数矩阵；

卷积矩阵生成模块，用于计算所述简约双四元数矩阵与所述多通道滤波器函数矩阵的简约双四元数卷积得到卷积矩阵；

纹理特征提取模块，用于查找所述卷积矩阵中邻接差值小于差值阈值的像素坐标，根据所述查找到的像素坐标生成纹理特征。

7.根据权利要求6所述的纹理特征提取装置，其特征在于，所述多通道滤波器函数矩阵为Gabor滤波器函数矩阵。

8.根据权利要求6所述的视频转码装置，其特征在于，所述RBs矩阵生成模块还用于根据公式：

Frbs(m,n)＝Fi(m,n)×e^j×Fh(m,n)×e^k×Fs(m,n)

得到简约双四元数矩阵；其中，Frbs为计算得到的简约双四元数矩阵，Fi、Fh和Fs为输入的图像在IHS色彩空间的三个分量，m和n为图像的坐标点，j和k为预设的参数值。

9.根据权利要求6所述的纹理特征提取装置，其特征在于，所述卷积矩阵生成模块还用于分别对所述简约双四元数矩阵与所述多通道滤波器函数矩阵进行离散简约双四元数傅立叶变换，将变换后的简约双四元数矩阵与所述多通道滤波器函数矩阵相乘在进行离散简约双四元数傅立叶逆变换得到卷积矩阵。

10.根据权利要求9所述的纹理特征提取装置，其特征在于，所述卷积矩阵生成模块还用于根据公式：

$\left\{\begin{array}{c}F(p,s)=\mathrm{DRBFT}\left(\mathrm{Frbs}(m,n)\right)\\ H(p,s)=\mathrm{DRBFT}\left(h(m,n)\right)\\ g(m,n)=\mathrm{IDRBFT}(F(p,s)\×H(p,s))\end{array}\right.$

生成卷积矩阵；其中，DRBFT为离散简约双四元数傅立叶变换，IDRBFT为离散简约双四元数傅立叶逆变换，h(m,n)为多通道滤波器函数矩阵，F(p,s)和H(p,s)为中间变量，g(m,n)为生成的卷积矩阵。