CN105740864B - 一种基于lbp的图像特征提取方法 - Google Patents

一种基于lbp的图像特征提取方法 Download PDF

Info

Publication number
CN105740864B
CN105740864B CN201610045351.3A CN201610045351A CN105740864B CN 105740864 B CN105740864 B CN 105740864B CN 201610045351 A CN201610045351 A CN 201610045351A CN 105740864 B CN105740864 B CN 105740864B
Authority
CN
China
Prior art keywords
pixel
lbp
size
picture
image
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
CN201610045351.3A
Other languages
English (en)
Other versions
CN105740864A (zh
Inventor
田雨农
林琳
周秀田
于维双
陆振波
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.)
Dalian Roiland Technology Co Ltd
Original Assignee
Dalian Roiland 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 Dalian Roiland Technology Co Ltd filed Critical Dalian Roiland Technology Co Ltd
Priority to CN201610045351.3A priority Critical patent/CN105740864B/zh
Publication of CN105740864A publication Critical patent/CN105740864A/zh
Application granted granted Critical
Publication of CN105740864B publication Critical patent/CN105740864B/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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于LBP的图像特征提取方法。本发明将经过预处理的图片，取其三个尺寸：原图片、1/2尺寸图片、1/4尺寸图片；分别采用尺度为3*3和5*5的LBP算子，计算原图片尺寸、1/2尺寸、1/4尺寸的LBP特征；将上述得到的LBP特征组合在一起，构成特征向量。本发明使不同尺度LBP算子具有相同的数量级，共同完善地表达样本特征。本发明能够实现对图片纹理信息的完整表达，能够为后续的分类识别等工作提供较高的精度。

Description

一种基于LBP的图像特征提取方法
技术领域
本发明涉及图像处理领域，具体的说是一种基于LBP的图像特征提取方法。
背景技术
图像的纹理信息是目标的特有属性，能够表征目标的固有特征。目前，图像的纹理特征提取成为了模式识别和机器学习领域研究的重点内容。常用的纹理特征提取方法主要有：基于统计的方法、模型的方法、滤波的方法等。
局部二进制模式(Local Binarypattern)是目前应用较广泛的纹理特征提取方式。它是一种局部纹理描述算子，有较好的纹理表达能力。其计算过程为：以3*3窗口为例，将窗口中心像素点与周围相邻像素点的灰度值相比较，大于或等于中心像素值得置1，反之置0，按照顺时针(或逆时针)的方向将得到的二进制编码排列，计算转换成十进制。LBP的纹理特征方法虽然成熟适用广泛，其自身存在着缺陷。例如，复杂背景、目标表征信息不清晰，造成模式识别的困难。
针对同一图片的不同尺寸，采用不同尺度的LBP算子，提取计算同一图片每一个尺寸、每一个尺度LBP特征；组合所有尺寸图片的所有尺度特征，得到最终要提取的图像LBP特征。在组合的过程中，由于不同尺度算子组成的二进制编码数量级不同，容易忽略部分重要信息。
发明内容
针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一种基于LBP的图像特征提取方法，能够有效地改善LBP纹理特征提取的现存问题。
本发明为实现上述目的所采用的技术方案是：一种基于LBP的图像特征提取方法，包括以下步骤：
将经过预处理的图片，取其三个尺寸图片：原图片、1/2尺寸图片、1/4尺寸图片；
分别采用尺度为3*3和5*5的LBP算子，计算原图片尺寸、1/2尺寸、1/4尺寸的LBP特征；
将上述得到的LBP特征组合在一起，构成特征向量。
所述原图片通过相邻像素相加求均值的方式获得1/2尺寸图片，具体为：
在原图像中，以2*2像素为单位，求取像素均值，得到1/2尺寸图片中的对应像素点。
所述1/2尺寸图片通过相邻像素相加求均值的方式获得1/4尺寸图片，具体为：
在1/2图像中，以2*2像素为单位，求取像素均值，得到1/4尺寸图片中的对应像素点。
所述采用尺度为3*3的LBP算子计算LBP特征，包括以下步骤：
将当前中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于当前中心像素点的像素值时，记为1；小于当前中心像素点的像素值时，记为0；
按照顺序获得二进制编码；
根据所示二进制编码获得十进制的LBP特征。
所述顺序为顺时针或逆时针，在同一图像处理中保持相同的顺序。
所述采用尺度为5*5的LBP算子计算LBP特征，包括以下步骤：
在5*5图像的外围像素点中，将每两个相邻像素点划分为一组；
取每组像素点的均值；
将所述均值作为3*3图像的外围像素点，将5*5图像的中心像素点作为3*3图像的中心像素点；
将中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于中心像素点的像素值时，记为1；小于中心像素点的像素值时，记为0；
按照顺序获得二进制编码；
根据所示二进制编码获得十进制的LBP特征。
所述采用尺度为5*5的LBP算子计算LBP特征，包括以下步骤：
在5*5图像的外围像素点中，将每三个相邻像素点划分为一组，每组中的前后两个像素点与相邻组重合；
取每组像素点的均值；
将所述均值作为3*3图像的外围像素点，将5*5图像的中心像素点作为3*3图像的中心像素点；
将中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于中心像素点的像素值时，记为1；小于中心像素点的像素值时，记为0；
按照顺序获得二进制编码；
根据所示二进制编码获得十进制的LBP特征。
本发明具有以下优点及有益效果：
1.本发明提出两种基于相邻像素点取均值的方法重新计算二进制编码，使不同尺度LBP算子具有相同的数量级，共同完善地表达样本特征。
2.本发明能够实现对图片纹理信息的完整表达，能够为后续的分类识别等工作提供较高的精度。
附图说明
图1为传统的LBP特征计算过程示意图；
图2为本发明的方法流程图；
图3为5*5的LBP算子的二进制特征提取方法实施例示意图；
图4a和图4b为本发明与现有技术的结果对比图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1所示，为传统的LBP特征计算过程(以3*3尺度算子为例)，其实质为当前中心像素点与周围像素点的比较信息。将当前中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于当前中心像素点的像素值的记为1，小于当前中心像素点的像素值的则记为0。按照顺序(顺时针或逆时针，同一处理中保持相同的顺序)获得二进制编码，图1中Pattern＝11110001，LBP＝1+16+32+64+128＝241。
如图2所示。以图中情况为例，将经过预处理的图片，取其三个尺寸：原图片尺寸、1/2尺寸、1/4尺寸，分别采用尺度为3*3和5*5的LBP算子，计算LBP特征，最后组合在一起，构成长的特征向量。原图片的尺寸获得可以通过双线性插值实现，本文为了方便，采用相邻像素相加的方式改变尺寸大小，这样既节约了计算时间，又不影响效果。5*5LBP算子计算特征采用图3中的方法，有效地完整地保留了有用信息。
本发明欲通过多个尺度算子来完整地表达图像的纹理信息，若所选尺度算子分别为3*3模板和5*5模板，显而易见地，3*3模板编码计算出的最大值为256，而5*5模板编码计算出的最大值则为65536。这样，两种尺度特征提取结果差异过大，会造成小尺度所提取的特征丢失。
为了防止由于尺度算子选择不同造成的数量级巨大差异以致丢失有用信息，该发明采用如图3的计算方式，提取5*5 LBP特征，即计算外围相邻两个像素或三个像素的均值(有一个像素点重复使用)，再将均值与当前中心像素点作比较，获得二进制编码，计算特征量。这样，两种尺度算子放在一起，不会丢失有用信息，反而全方面地、更加完整地体现了原始图像的纹理信息，利于识别。
图4a表示改进算法前，将3*3和5*5LBP算子组合在一起，可以发现：两者计算出的特征值差异大，不利于图片特征的提取；改进算法后，如图4b所示，特征值处于相同的范围，信息处于平等状态，未被忽略，因而更合理。

Claims (5)

1.一种基于LBP的图像特征提取方法，其特征在于，包括以下步骤：
将经过预处理的图片，取其三个尺寸图片：原图片、1/2尺寸图片、1/4尺寸图片；
分别采用尺度为3*3和5*5的LBP算子，计算原图片尺寸、1/2尺寸、1/4尺寸的LBP特征；
将上述得到的LBP特征组合在一起，构成特征向量；
所述采用尺度为5*5的LBP算子计算LBP特征，包括以下步骤：
在5*5图像的外围像素点中，将每两个相邻像素点划分为一组；或将每三个相邻像素点划分为一组，每组中的前后两个像素点与相邻组重合；
取每组像素点的均值；
将所述均值作为3*3图像的外围像素点，将5*5图像的中心像素点作为3*3图像的中心像素点；
将中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于中心像素点的像素值时，记为1；小于中心像素点的像素值时，记为0；
按照顺序获得二进制编码；
根据所示二进制编码获得十进制的LBP特征。
2.根据权利要求1所述的一种基于LBP的图像特征提取方法，其特征在于，所述原图片通过相邻像素相加求均值的方式获得1/2尺寸图片，具体为：
在原图像中，以2*2像素为单位，求取像素均值，得到1/2尺寸图片中的对应像素点。
3.根据权利要求1所述的一种基于LBP的图像特征提取方法，其特征在于，所述1/2尺寸图片通过相邻像素相加求均值的方式获得1/4尺寸图片，具体为：
在1/2图像中，以2*2像素为单位，求取像素均值，得到1/4尺寸图片中的对应像素点。
4.根据权利要求1所述的一种基于LBP的图像特征提取方法，其特征在于，所述采用尺度为3*3的LBP算子计算LBP特征，包括以下步骤：
将当前中心像素点与其周围像素点作比较：周围像素点的像素值大于或等于当前中心像素点的像素值时，记为1；小于当前中心像素点的像素值时，记为0；
按照顺序获得二进制编码；
根据所示二进制编码获得十进制的LBP特征。
5.根据权利要求4所述的一种基于LBP的图像特征提取方法，其特征在于，所述顺序为顺时针或逆时针，在同一图像处理中保持相同的顺序。
CN201610045351.3A 2016-01-22 2016-01-22 一种基于lbp的图像特征提取方法 Active CN105740864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610045351.3A CN105740864B (zh) 2016-01-22 2016-01-22 一种基于lbp的图像特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610045351.3A CN105740864B (zh) 2016-01-22 2016-01-22 一种基于lbp的图像特征提取方法

Publications (2)

Publication Number Publication Date
CN105740864A CN105740864A (zh) 2016-07-06
CN105740864B true CN105740864B (zh) 2019-07-19

Family

ID=56246458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610045351.3A Active CN105740864B (zh) 2016-01-22 2016-01-22 一种基于lbp的图像特征提取方法

Country Status (1)

Country Link
CN (1) CN105740864B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106223720A (zh) * 2016-07-08 2016-12-14 钟林超 一种基于虹膜识别的电子锁
CN106529547B (zh) * 2016-10-14 2019-05-03 天津师范大学 一种基于完备局部特征的纹理识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727573A (zh) * 2008-10-13 2010-06-09 汉王科技股份有限公司 一种视频图像中人群密度估计的方法和装置
CN104268549A (zh) * 2014-09-16 2015-01-07 天津大学 抗噪声的多尺度局部二值模式特征表示方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110293189A1 (en) * 2010-05-28 2011-12-01 Microsoft Corporation Facial Analysis Techniques
CN103914683A (zh) * 2013-12-31 2014-07-09 闻泰通讯股份有限公司 基于人脸图像的性别识别方法及系统
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727573A (zh) * 2008-10-13 2010-06-09 汉王科技股份有限公司 一种视频图像中人群密度估计的方法和装置
CN104268549A (zh) * 2014-09-16 2015-01-07 天津大学 抗噪声的多尺度局部二值模式特征表示方法

Also Published As

Publication number Publication date
CN105740864A (zh) 2016-07-06

Similar Documents

Publication Publication Date Title
CN107704801B (zh) 基于分段直线加分段贝塞尔曲线的曲线车道线检测方法
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN110348496B (zh) 一种人脸图像融合的方法及系统
CN108280823A (zh) 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统
CN102930561A (zh) 一种基于Delaunay三角网的栅格地图矢量化方法
CN111507411B (zh) 一种图像比对的方法及系统
CN106600580B (zh) 一种基于霍夫变换的电力线异常识别方法及其系统
CN109961016B (zh) 面向智能家居场景的多手势精准分割方法
CN104966274B (zh) 一种采用图像检测与区域提取的局部模糊复原方法
CN104504722A (zh) 一种利用灰色点校正图像颜色的方法
CN105740864B (zh) 一种基于lbp的图像特征提取方法
CN110751606A (zh) 一种基于神经网络算法的泡沫图像处理方法及系统
CN109101985A (zh) 一种基于自适应邻域测试的图像误匹配点对剔除方法
CN104268845A (zh) 极值温差短波红外图像的自适应双局部增强方法
Shiting et al. Clustering-based shadow edge detection in a single color image
CN109934152B (zh) 一种针对手语图像的改进小弯臂图像分割方法
CN102005058B (zh) 一种针对opta图像细化算法的快速实现方法
CN106815580A (zh) 一种车牌定位方法
CN110705568B (zh) 一种图像特征点提取的优化方法
CN114283157A (zh) 一种基于椭圆拟合的椭圆形物体分割方法
CN108154485B (zh) 一种基于分层和笔画方向解析的古画修复方法
CN102103752A (zh) 一种人机交互中多色标块检测方法
CN112215852A (zh) 基于聚类学习器集成的数字图像分割方法
CN106096490B (zh) 一种带有文本行的柱面图像的定位方法
CN103955901A (zh) 一种弱光照视频图像的增强方法

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