CN105224919B - 纹理特征提取方法及装置 - Google Patents

纹理特征提取方法及装置 Download PDF

Info

Publication number
CN105224919B
CN105224919B CN201510581486.7A CN201510581486A CN105224919B CN 105224919 B CN105224919 B CN 105224919B CN 201510581486 A CN201510581486 A CN 201510581486A CN 105224919 B CN105224919 B CN 105224919B
Authority
CN
China
Prior art keywords
image
subgraph
processed
textural characteristics
texture
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.)
Active
Application number
CN201510581486.7A
Other languages
English (en)
Other versions
CN105224919A (zh
Inventor
王甜甜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen TCL New Technology Co Ltd
Original Assignee
Shenzhen TCL New Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen TCL New Technology Co Ltd filed Critical Shenzhen TCL New Technology Co Ltd
Priority to CN201510581486.7A priority Critical patent/CN105224919B/zh
Publication of CN105224919A publication Critical patent/CN105224919A/zh
Priority to PCT/CN2016/084837 priority patent/WO2017041552A1/zh
Application granted granted Critical
Publication of CN105224919B publication Critical patent/CN105224919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种纹理特征提取方法，所述纹理特征提取方法包括以下步骤：通过预设的多种分割方式分别对待处理图像进行分割，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。本发明还公开了一种纹理特征提取装置。本发明能够准确的提取图像的纹理特征。

Description

纹理特征提取方法及装置
技术邻域
本发明涉及图像处理领域，尤其涉及一种纹理特征提取方法及装置。
背景技术
人脸识别是基于人脸部的纹理特征进行身份识别的一种生物识别技术，通常也叫做人像识别或面部识别。目前，在人脸识别邻域，通常提取图像的LBP(Local BinaryPatterns，局部二值模式)特征作为图像的纹理特征，在提取时，首先对图像的横纵坐标整体均等分割后进行LBP运算，再串接各子图像的LBP特征作为原图像的LBP特征。但是对图像进行分割时，图像分割线部分的纹理特征会被滤除，导致纹理特征的提取不够准确。
发明内容
本发明的主要目的在于提供一种纹理特征提取方法及装置，旨在准确的提取图像的纹理特征。
为实现上述目的，本发明提供一种纹理特征提取方法，该纹理特征提取方法包括以下步骤：
通过预设的多种分割方式分别对待处理图像进行分割，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；
分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；
对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。
优选地，所述分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像的步骤之前，还包括：
对得到的各个所述子图像进行压缩操作。
优选地，所述对得到的各个所述子图像进行压缩操作包括：
分别通过离散余弦变换将各个所述子图像变换到频域，并将各个所述子图像在各自频域的低频区域作为各自压缩后的子图像。
优选地，所述通过预设的多种分割方式分别对待处理图像进行分割的步骤之前，还包括：
通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理。
优选地，所述对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征的步骤之后，还包括：
将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成识别报告。
此外，为实现上述目的，本发明还提供一种纹理特征提取装置，所述纹理特征提取装置包括：
分割模块，用于通过预设的多种分割方式分别对待处理图像进行分割，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；
组合模块，用于分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；
提取模块，用于对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。
优选地，所述纹理特征提取装置还包括压缩模块，用于对得到的各个所述子图像进行压缩操作。
优选地，所述压缩模块还用于分别通过离散余弦变换将各个所述子图像变换到频域，并将各个所述子图像在各自频域的低频区域作为各自压缩后的子图像。
优选地，所述纹理特征提取装置还包括预处理模块，用于通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理。
优选地，所述纹理特征提取装置还包括比对模块，用于将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成识别报告。
本发明通过多种不同的预设分割方式分别将待处理图像分割为多个子图像，以使得按一种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同，然后将各分割方式得到的子图像经过两次组合，使得最终得到的组合图像包含子图像连接处的纹理特征，最后提取组合图像的纹理特征作为所述待处理图像的纹理特征。相较于现有技术直接将待处理图像分割后分别提取纹理特征，本发明能够准确的提取图像的纹理特征。
附图说明
图1为本发明纹理特征提取方法第一实施例的流程示意图；
图2为本发明纹理特征提取方法第一实施例中的一种分割方式示意图；
图3为本发明纹理特征提取方法第一实施例中的另一种分割方式示意图；
图4为本发明纹理特征提取方法第一实施例中的又一种分割方式示意图；
图5为本发明纹理特征提取方法第一实施例中第二组合图像的示例图；
图6为本发明纹理特征提取方法第一实施例中第二组合图像的LBP特征示例图；
图7为本发明纹理特征提取方法第二实施例中离散余弦变换结果示例图；
图8为本发明纹理特征提取装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明提供一种纹理特征提取方法，参照图1，在本发明纹理特征提取方法的第一实施例中，该纹理特征提取方法包括：
步骤S10，通过预设的多种分割方式分别对待处理图像进行分割，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；
本实施例提供的纹理特征提取方法，可以应用于人脸识别领域，例如，在创建人脸特征数据库时，采用本发明提供的纹理特征提取方法，能够准确的提取出人脸图像的纹理特征，以创建人脸特征数据库。
本实施例中，首先通过多种预设分割方式分别对待处理图像进行分割，相应得到多个子图像，其中，按一种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；其目的在于，确保任一种分割方式的分割线部分图像的纹理特征可以通过其他分割方式得到的子图像提取得到，避免由于图像分割导致纹理特征的缺失。
结合参照图2至图4，本实施例优选通过三种不同的分割方式对待处理图像进行分割：
以待处理图像左下角点为坐标原点，假设待处理图像宽为W，高为H；
其一，如图2所示，分别在横坐标1/3W和2/3W处设置两条平行坐标Y轴的分割线，在纵坐标1/3H和2/3H处设置两条平行坐标X轴的分割线；
其二，如图3所示，分别在横坐标1/9W、4/9W以及7/9W处设置三条平行坐标Y轴的分割线，在纵坐标1/3H和2/3H处设置两条平行坐标X轴的分割线；
其三，如图4所示，分别在横坐标1/3W和2/3W处设置两条平行坐标Y轴的分割线，在纵坐标2/9H、5/9H以及8/9H处设置三条平行坐标X轴的分割线。
步骤S20，分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；
需要说明的是，本实施例在对待处理图像进行分割时，按照不同的分割方式，分别记录了得到的各子图像间的连接信息。优选地，本实施例在进行图像组合时，根据记录的各子图像间的连接信息，分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像。本领域技术人员可以理解的是，还可以不按照各子图像在原待处理图像的连接关系进行组合，例如，在对待处理图像进行分割时，分别按照图2至图4所示的三种不同分割方式将待处理图像分割为多个子图像，在组合时，组合得到如图5所示的第二组合图像。
步骤S30，对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。
本实施例中，在完成所述第二组合图像的组合之后，对所述第二组合图像进行LBP(Local Binary Patterns，局部二值模式)运算，并将得到的LBP特征作为所述待处理图像的纹理特征。例如，提取得到所述第二组合图像的LBP特征如图6所示。
具体的，将所述第二组合图像上的每个像素作为中心像素，使用中心像素的灰度值ic作为阈值，对邻域像素的灰度值ip进行二值化运算，二进制值的判定如公式(1)所示，然后根据公式(2)得到LBP运算的结果。
其中，p为中心像素邻域像素的个数，r为邻域的半径，LBPp，r可以产生2p种不同的模式，p＝8r，r为1-3的整数，例如，当r＝1时，p＝8。
在其他实施例中，对于将按同一分割方式分割得到的子图像组合得到的各个所述第一组合图像，也可以进行LBP(Local Binary Patterns，局部二值模式)运算，并将得到的LBP特征组合后与所述第二组合图像的LBP特征，作为从所述第二组合图像提取的纹理特征的验证和补充。
本实施例提出的纹理特征提取方法，通过多种不同的预设分割方式分别将待处理图像分割为多个子图像，以使得按一种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同，然后将各分割方式得到的子图像经过两次组合，使得最终得到的组合图像包含子图像连接处的纹理特征，最后提取组合图像的纹理特征作为所述待处理图像的纹理特征。相较于现有技术直接将待处理图像分割后分别提取纹理特征，本发明能够准确的提取图像的纹理特征。
进一步的，基于第一实施例，提出本发明纹理特征提取方法的第二实施例，在本实施例中，上述步骤S20之前，还包括：
对得到的各个所述子图像进行压缩操作。
目前，在人脸识别邻域，首先需要存储所有的人脸图像，再对所有的人脸图像进行纹理特征的提取，用以建立特征数据库。但是，在图像存储过程中，不同的人脸图像占据存储空间的大小不同，若图像过大，则需要占据较大的存储空间，相应的，提取的纹理特征也会占据较大的存储空间。有鉴于此，本实施例中，在完成待处理图像的分割之后，分别对得到的子图像进行压缩操作，能够有效的提高压缩效率。例如，可以通过DCT(DiscreteCosine Transform，离散余弦变换)、FFT(Fast Fourier Transform，快速傅里叶变换)以及Gabor变换中的至少一种变换操作实现对子图像的压缩。
进一步的，在本实施例中，上述步骤S20包括：
分别将按同一分割方式分割得到的，且压缩后的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像。
进一步的，基于第二实施例，提出本发明纹理特征提取方法的第三实施例，在本实施例中，所述对得到的各个所述子图像进行压缩操作包括：
分别通过离散余弦变换将各个所述子图像变换到频域，并将各个所述子图像在各自频域的低频区域作为各自压缩后的子图像。
需要说明的是，本实施例优选采用离散余弦变换作为子图像的压缩方式，离散余弦变换是将图像转换到频域，使图像的主要信息集中在频域低频区域的少数DCT系数中的一种变换方式。例如，如图7所示，为原始图像DCT变换后的图像，显而易见的，图像的重要信息都集中在图像左上角的低频区域，以图像左上角顶点为原点，截取1/4图像宽，1/4图像高，即能够有效的保留图像的重要信息。容易理解的是，按本实施例提供的压缩方式能够将原始图像压缩至1/16大小，例如，按第一实施例提供的3种不同分割方式得到的第二组合图像的大小为待处理图像的3/16。可以理解的是，在其他实施例中，具体截取的低频区域大小可以依据实际情况而定，例如，也可以是以图像左上角顶点为原点，截取1/3图像宽，1/3图像高。
本实施例通过采用离散余弦变换将子图像变换到频域，并将子图像在频域的低频区域作为压缩后的子图像，能够大幅度降低子图像占据的存储空间，进而降低提取的纹理特征所占据的存储空间。
进一步的，基于第一实施例，提出本发明纹理特征提取方法的第四实施例，在本实施例中，上述步骤S10之前，还包括：
通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理。
需要说明的是，由于图像采集设备条件不同，采集的图像往往存在噪声、对比度不同等缺陷，为了改善图像质量，方便后续纹理特征的提取，本实施例首先通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理，改善待处理图像的图像质量。
进一步的，基于第一实施例，提出本发明纹理特征提取方法的第五实施例，在本实施例中，上述步骤S30之后，还包括：
将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成识别报告。
对于人脸识别技术来说，在人脸识别的两个处理阶段中均需要进行人脸纹理特征的提取，分别是：特征数据库建立阶段和人脸识别阶段，其中，特征数据库建立阶段，用于建立人脸识别的样本库，将确定了身份信息的人脸图像存入特征数据库中，以便于后续将需要进行识别的人脸图像在特征数据库中进行特征匹配；人脸识别阶段，即将需要进行识别的人脸图像在特征数据库进行特征匹配的过程，因此，对于确定了身份信息的人脸图像及需要进行识别的人脸图像，均需要进行纹理特征的提取，才能顺利的完成后续的特征匹配过程。本实施例分别以特征数据库建立阶段和人脸识别阶段进行说明。
具体的，在特征数据库建立阶段，首先需要获取已确定身份的人脸图像，并将获取的所述人脸图像作为所述待处理图像，并对所述人脸图像进行预处理，以改善图像质量；然后提取所述人脸图像的纹理特征，具体可参照前述实施例施行，此处不再赘述；将提取的纹理特征与所述人脸图像对应的身份信息关联后存储至特征数据库。
在人脸识别阶段，首先获取待识别的人脸图像，例如，可通过人脸检测采集人脸图像，并将采集的所述人脸图像作为待处理图像；然后提取所述人脸图像的纹理特征，具体可参照前述实施例施行，此处不再赘述；在提取到所述人脸图像的纹理特征之后，将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成人脸识别报告。其中，在特征数据库中存在与所述人脸图像的纹理特征匹配的纹理特征时，生成包括匹配的所述纹理特征所对应的身份信息的人脸识别报告；在特征数据库中不存在与所述人脸图像的纹理特征匹配的纹理特征时，生成包括匹配失败信息的人脸识别报告。
此外，在特征数据库中不存在与所述人脸图像的纹理特征匹配的纹理特征时，输出提示信息，以供用户输入所述人脸图像对应的身份信息；
在接收到用户输入的身份信息时，将所述身份信息与所述人脸图像的纹理特征关联后存储至所述特征数据库。
本发明还提供一种纹理特征提取装置，参照图8，在本发明纹理特征提取装置的第一实施例中，所述纹理特征提取装置包括：
分割模块10，用于通过预设的多种分割方式分别对待处理图像进行分割，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；
本实施例提供的纹理特征提取装置，可以应用于人脸识别领域，例如，在创建人脸特征数据库时，采用本发明提供的纹理特征提取方法，能够准确的提取出人脸图像的纹理特征，以创建人脸特征数据库。
本实施例中，分割模块10首先通过多种预设分割方式分别对待处理图像进行分割，相应得到多个子图像，其中，按一种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；其目的在于，确保任一种分割方式的分割线部分图像的纹理特征可以通过其他分割方式得到的子图像提取得到，避免由于图像分割导致纹理特征的缺失。
结合参照图2至图4，分割模块10优选通过三种不同的分割方式对待处理图像进行分割：
以待处理图像左下角点为坐标原点，假设待处理图像宽为W，高为H；
其一，如图2所示，分别在横坐标1/3W和2/3W处设置两条平行坐标Y轴的分割线，在纵坐标1/3H和2/3H处设置两条平行坐标X轴的分割线；
其二，如图3所示，分别在横坐标1/9W、4/9W以及7/9W处设置三条平行坐标Y轴的分割线，在纵坐标1/3H和2/3H处设置两条平行坐标X轴的分割线；
其三，如图4所示，分别在横坐标1/3W和2/3W处设置两条平行坐标Y轴的分割线，在纵坐标2/9H、5/9H以及8/9H处设置三条平行坐标X轴的分割线。
组合模块20，用于分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；
需要说明的是，分割模块10在对待处理图像进行分割时，按照不同的分割方式，分别记录了得到的各子图像间的连接信息。优选地，组合模块20在进行图像组合时，根据分割模块10记录的各子图像间的连接信息，分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像。本领域技术人员可以理解的是，还可以不按照各子图像在原待处理图像的连接关系进行组合，例如，在对待处理图像进行分割时，分割模块10分别按照图2至图4所示的三种不同分割方式将待处理图像分割为多个子图像，在组合时，组合模块20组合得到如图5所示的第二组合图像。
提取模块30，用于对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。
本实施例中，在组合模块20完成所述第二组合图像的组合之后，提取模块30对所述第二组合图像进行LBP(Local Binary Patterns，局部二值模式)运算，并将得到的LBP特征作为所述待处理图像的纹理特征。例如，提取模块30提取得到所述第二组合图像的LBP特征如图6所示。
具体的，将所述第二组合图像上的每个像素作为中心像素，使用中心像素的灰度值ic作为阈值，对邻域像素的灰度值ip进行二值化运算，二进制值的判定如公式(1)所示，然后根据公式(2)得到LBP运算的结果。
其中，p为中心像素邻域像素的个数，r为邻域的半径，LBPp，r可以产生2p种不同的模式，p＝8r，r为1-3的整数，例如，当r＝1时，p＝8。
在其他实施例中，对于将按同一分割方式分割得到的子图像组合得到的各个所述第一组合图像，也可以进行LBP(Local Binary Patterns，局部二值模式)运算，并将得到的LBP特征组合后与所述第二组合图像的LBP特征，作为从所述第二组合图像提取的纹理特征的验证和补充。
本实施例提出的纹理特征提取装置，通过多种不同的预设分割方式分别将待处理图像分割为多个子图像，以使得按一种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同，然后将各分割方式得到的子图像经过两次组合，使得最终得到的组合图像包含子图像连接处的纹理特征，最后提取组合图像的纹理特征作为所述待处理图像的纹理特征。相较于现有技术直接将待处理图像分割后分别提取纹理特征，本发明能够准确的提取图像的纹理特征。
进一步的，基于第一实施例，提出本发明纹理特征提取装置的第二实施例，在本实施例中，所述纹理特征提取装置还包括压缩模块，用于对得到的各个所述子图像进行压缩操作。
目前，在人脸识别邻域，首先需要存储所有的人脸图像，再对所有的人脸图像进行纹理特征的提取，用以建立特征数据库。但是，在图像存储过程中，不同的人脸图像占据存储空间的大小不同，若图像过大，则需要占据较大的存储空间，相应的，提取的纹理特征也会占据较大的存储空间。有鉴于此，本实施例中，在分割模块10完成待处理图像的分割之后，压缩模块分别对得到的子图像进行压缩操作，能够有效的提高压缩效率。例如，压缩模块可以通过DCT(Discrete Cosine Transform，离散余弦变换)、FFT(Fast FourierTransform，快速傅里叶变换)以及Gabor变换中的至少一种变换操作实现对子图像的压缩。
进一步的，在本实施例中，所述组合模块还用于分别将按同一分割方式分割得到的，且压缩后的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像。
进一步的，基于第二实施例，提出本发明纹理特征提取装置的第三实施例，在本实施例中，所述压缩模块还用于分别通过离散余弦变换将各个所述子图像变换到频域，并将各个所述子图像在各自频域的低频区域作为各自压缩后的子图像。
需要说明的是，压缩模块优选采用离散余弦变换作为子图像的压缩方式，离散余弦变换是将图像转换到频域，使图像的主要信息集中在频域低频区域的少数DCT系数中的一种变换方式。例如，如图7所示，为原始图像DCT变换后的图像，显而易见的，图像的重要信息都集中在图像左上角的低频区域，以图像左上角顶点为原点，截取1/4图像宽，1/4图像高，即能够有效的保留图像的重要信息。容易理解的是，按本实施例提供的压缩方式能够将原始图像压缩至1/16大小，例如，按第一实施例提供的3种不同分割方式得到的第二组合图像的大小为待处理图像的3/16。可以理解的是，在其他实施例中，具体截取的低频区域大小可以依据实际情况而定，例如，也可以是以图像左上角顶点为原点，截取1/3图像宽，1/3图像高。
本实施例通过采用离散余弦变换将子图像变换到频域，并将子图像在频域的低频区域作为压缩后的子图像，能够大幅度降低子图像占据的存储空间，进而降低提取的纹理特征所占据的存储空间。
进一步的，基于第一实施例，提出本发明纹理特征提取装置的第四实施例，在本实施例中，所述纹理特征提取装置还包括预处理模块，用于通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理。
需要说明的是，由于图像采集设备条件不同，采集的图像往往存在噪声、对比度不同等缺陷，为了改善图像质量，方便后续纹理特征的提取，预处理模块首先通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理，改善待处理图像的图像质量。
进一步的，基于第一实施例，提出本发明纹理特征提取装置的第五实施例，在本实施例中，所述纹理特征提取装置还包括比对模块，用于将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成识别报告。
对于人脸识别技术来说，在人脸识别的两个处理阶段中均需要进行人脸纹理特征的提取，分别是：特征数据库建立阶段和人脸识别阶段，其中，特征数据库建立阶段，用于建立人脸识别的样本库，将确定了身份信息的人脸图像存入特征数据库中，以便于后续将需要进行识别的人脸图像在特征数据库中进行特征匹配；人脸识别阶段，即将需要进行识别的人脸图像在特征数据库进行特征匹配的过程，因此，对于确定了身份信息的人脸图像及需要进行识别的人脸图像，均需要进行纹理特征的提取，才能顺利的完成后续的特征匹配过程。本实施例分别以特征数据库建立阶段和人脸识别阶段进行说明。
具体的，所述纹理特征提取装置还包括获取模块和存储模块，在特征数据库建立阶段，获取模块获取已确定身份的人脸图像，并将获取的所述人脸图像作为待处理图像；预处理模块对所述人脸图像进行预处理，以改善图像质量；并由分割模块10和组合模块20对所述人脸理图像进行处理后，由提取模块30提取所述人脸图像的纹理特征，具体可参照前述实施例施行，此处不再赘述；存储模块将提取的纹理特征与所述人脸图像对应的身份信息关联后存储至特征数据库。
在人脸识别阶段，获取模块获取待识别的人脸图像，例如，可通过人脸检测采集人脸图像，并将采集的所述人脸图像作为所述待处理图像；预处理模块对所述人脸图像进行预处理，以改善图像质量；并由分割模块10和组合模块20对所述人脸理图像进行处理后，由提取模块30提取所述人脸图像的纹理特征，具体可参照前述实施例施行，此处不再赘述；在提取到所述人脸图像的纹理特征之后，比对模块将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成人脸识别报告。其中，在特征数据库中存在与所述人脸图像的纹理特征匹配的纹理特征时，生成包括匹配的所述纹理特征所对应的身份信息的人脸识别报告；在特征数据库中不存在与所述人脸图像的纹理特征匹配的纹理特征时，生成包括匹配失败信息的人脸识别报告。
此外，所述存储模块还用于在特征数据库中不存在与所述人脸图像的纹理特征匹配的纹理特征时，输出提示信息，以供用户输入所述人脸图像对应的身份信息；以及在接收到用户输入的身份信息时，将所述身份信息与所述人脸图像的纹理特征关联后存储至所述特征数据库。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术邻域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种纹理特征提取方法，其特征在于，所述纹理特征提取方法包括以下步骤：
通过预设的多种分割方式分别对待处理图像进行分割，并得到各子图像间的连接信息，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；
分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；
对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。
2.如权利要求1所述的纹理特征提取方法，其特征在于，所述分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像的步骤之前，还包括：
对得到的各个所述子图像进行压缩操作。
3.如权利要求2所述的纹理特征提取方法，其特征在于，所述对得到的各个所述子图像进行压缩操作包括：
分别通过离散余弦变换将各个所述子图像变换到频域，并将各个所述子图像在各自频域的低频区域作为各自压缩后的子图像。
4.如权利要求1所述的纹理特征提取方法，其特征在于，所述通过预设的多种分割方式分别对待处理图像进行分割的步骤之前，还包括：
通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理。
5.如权利要求1所述的纹理特征提取方法，其特征在于，所述对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征的步骤之后，还包括：
将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成识别报告。
6.一种纹理特征提取装置，其特征在于，所述纹理特征提取装置包括：
分割模块，用于通过预设的多种分割方式分别对待处理图像进行分割，并得到各子图像间的连接信息，其中，每种分割方式得到的任一子图像与其它分割方式得到的子图像均不相同；
组合模块，用于分别将按同一分割方式分割得到的子图像组合为第一组合图像，并将各个所述第一组合图像组合为第二组合图像；
提取模块，用于对所述第二组合图像进行局部二值模式LBP运算，并将得到的LBP特征作为所述待处理图像的纹理特征。
7.如权利要求6所述的纹理特征提取装置，其特征在于，所述纹理特征提取装置还包括压缩模块，用于对得到的各个所述子图像进行压缩操作。
8.如权利要求7所述的纹理特征提取装置，其特征在于，所述压缩模块还用于分别通过离散余弦变换将各个所述子图像变换到频域，并将各个所述子图像在各自频域的低频区域作为各自压缩后的子图像。
9.如权利要求6所述的纹理特征提取装置，其特征在于，所述纹理特征提取装置还包括预处理模块，用于通过灰度变换、降噪以及高斯平滑对所述待处理图像进行预处理。
10.如权利要求6所述的纹理特征提取装置，其特征在于，所述纹理特征提取装置还包括比对模块，用于将所述纹理特征与特征数据库中的各个纹理特征进行比对，并根据比对的结果生成识别报告。
CN201510581486.7A 2015-09-11 2015-09-11 纹理特征提取方法及装置 Active CN105224919B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510581486.7A CN105224919B (zh) 2015-09-11 2015-09-11 纹理特征提取方法及装置
PCT/CN2016/084837 WO2017041552A1 (zh) 2015-09-11 2016-06-03 纹理特征提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510581486.7A CN105224919B (zh) 2015-09-11 2015-09-11 纹理特征提取方法及装置

Publications (2)

Publication Number Publication Date
CN105224919A CN105224919A (zh) 2016-01-06
CN105224919B true CN105224919B (zh) 2019-02-26

Family

ID=54993879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510581486.7A Active CN105224919B (zh) 2015-09-11 2015-09-11 纹理特征提取方法及装置

Country Status (2)

Country Link
CN (1) CN105224919B (zh)
WO (1) WO2017041552A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224919B (zh) * 2015-09-11 2019-02-26 深圳Tcl新技术有限公司 纹理特征提取方法及装置
CN108036746B (zh) * 2017-12-26 2019-08-06 太原理工大学 一种基于频谱法的Gabor变换实现碳纤维复合材料表面纹理分析方法
CN108897512A (zh) * 2018-07-06 2018-11-27 北京鲸世科技有限公司 图像发送方法及装置，拼接显示系统
CN109840914B (zh) * 2019-02-28 2022-12-16 华南理工大学 一种基于用户交互式的纹理分割方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731420A (zh) * 2005-08-19 2006-02-08 哈尔滨工业大学 斜小波图像指纹的提取和验证方法
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008152530A (ja) * 2006-12-18 2008-07-03 Sony Corp 顔認識装置及び顔認識方法、ガボア・フィルタ適用装置、並びにコンピュータ・プログラム
GB0719833D0 (en) * 2007-10-10 2007-11-21 Mitsubishi Electric Inf Tech Enhanced image identification
CN104680127A (zh) * 2014-12-18 2015-06-03 闻泰通讯股份有限公司 手势识别方法及系统
CN105224919B (zh) * 2015-09-11 2019-02-26 深圳Tcl新技术有限公司 纹理特征提取方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731420A (zh) * 2005-08-19 2006-02-08 哈尔滨工业大学 斜小波图像指纹的提取和验证方法
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

Also Published As

Publication number Publication date
WO2017041552A1 (zh) 2017-03-16
CN105224919A (zh) 2016-01-06

Similar Documents

Publication Publication Date Title
CN105450411B (zh) 利用卡片特征进行身份验证的方法、装置及系统
CN103116763B (zh) 一种基于hsv颜色空间统计特征的活体人脸检测方法
CN105224919B (zh) 纹理特征提取方法及装置
CN104751142B (zh) 一种基于笔划特征的自然场景文本检测方法
KR101322168B1 (ko) 실시간 얼굴 인식 장치
WO2017080196A1 (zh) 基于人脸图像的视频分类方法和装置
KR102284096B1 (ko) 중요도 맵을 이용한 지능형 주관적 화질 평가 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
JP7251000B2 (ja) 顔画像の真偽を識別する方法、装置、デバイス及び媒体並びにコンピュータプログラム
KR20090109012A (ko) 영상 처리 방법
WO2017092272A1 (zh) 人脸识别方法和装置
CN110276281A (zh) 一种面向移动端的截屏图文识别提取方法及系统
CN112200065B (zh) 基于动作放大和自适应注意力区域选取的微表情分类方法
Sharif et al. Real time face detection
CN112801066A (zh) 一种基于多姿态面部静脉的身份识别方法及装置
JP4439829B2 (ja) データ分析装置およびデータ認識装置
Agarwal et al. Image forgery detection using Markov features in undecimated wavelet transform
CN108268904B (zh) 一种图片识别方法、装置及电子设备
JP2003178304A (ja) 顔画像検索装置、顔画像検索方法、およびその方法をコンピュータに実行させるプログラム
CN106682627B (zh) 一种掌纹数据的识别方法和装置
CN115147895A (zh) 人脸鉴伪方法、装置及计算机程序产品
Kalfon et al. A new approach to texture recognition using decorrelation stretching
CN111435448B (zh) 图像显著性物体检测方法、装置、设备及介质
CN106469267A (zh) 一种验证码样本收集方法及系统
Christabel et al. Facial feature extraction based on local color and texture for face recognition using neural network
Dadi et al. Performance Evaluation of Eigen faces and Fisher faces with different pre-processed Data sets

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant