CN108805922A - 一种局部像素同质化的图像纹理特征提取方法 - Google Patents

一种局部像素同质化的图像纹理特征提取方法 Download PDF

Info

Publication number
CN108805922A
CN108805922A CN201810392603.9A CN201810392603A CN108805922A CN 108805922 A CN108805922 A CN 108805922A CN 201810392603 A CN201810392603 A CN 201810392603A CN 108805922 A CN108805922 A CN 108805922A
Authority
CN
China
Prior art keywords
pixel
homogeneity
value
local
texture characteristic
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
Application number
CN201810392603.9A
Other languages
English (en)
Other versions
CN108805922B (zh
Inventor
袁宝华
韩立新
勾智楠
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201810392603.9A priority Critical patent/CN108805922B/zh
Publication of CN108805922A publication Critical patent/CN108805922A/zh
Application granted granted Critical
Publication of CN108805922B publication Critical patent/CN108805922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/529—Depth or shape recovery from texture

Landscapes

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

Abstract

本发明公开了一种局部像素同质化的图像纹理特征提取方法，局部像素同质化的计算是通过定义围绕中心像素的8个固定长度方向线，中心像素及其邻域像素所构成的8个固定长度方向线，局部像素同质化计算步骤如下：如果某方向的像素与中心像素的差值的绝对值进行求和，如果其值小于等于设定的阈值，认为该方向像素和中心像素同质（具有相似的灰度值像素），否则认为异质（灰度值不相似像素）。将每个方向计算所得二进制按照逆时针顺序编码，计算转换成十进制，作为该中心像素的局部像素同质化值。

Description

一种局部像素同质化的图像纹理特征提取方法
技术领域
本发明涉及图像处理领域，特别是一种局部像素同质化的图像纹理特征提取方法。
背景技术
图像的纹理特征是描述图像或图像区域所对应景物的表面性质。目前基于纹理特征的图像特征提取已经成为图像处理领域的研究热点。常用的纹理特征表示方法主要有：统计法、模型法、几何法、频谱法等。
近年来，Timo Ahonen[Timo Ahonen,Abdenour Hadid,et al. Face Descriptionwith Local Binary Patterns:Application to Face Recognition[J].IEEETRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,2006,28(12):2307-2041]等人将局部二值模式（local binary pattern，简称LBP）原始的LBP算子为图像的每一个像素定义一个以该像素为中心的3×3的窗口（纹理单元），然后以该中心像素的灰度值为值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。然后根据像素的位置以及二值化的结果进行加权求和，得到该像素的LBP值。LBP纹理特征虽然应用广泛，但是其自身也存在缺陷，比如：对噪声敏感，纹理单元半径较小，无法清晰地表示局部像素的同质性等。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种局部像素同质化的图像纹理特征提取方法，本发明方法使用局部像素同质化，得到了更多的纹理信息，更好地表达样本特征。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种局部像素同质化的图像纹理特征提取方法，对像素的图像区域进行图像纹理特征提取，，通过如下步骤实现：
步骤1、以中心像素为起点，每隔45度引出方向线，获得8个方向线，每个方向线长度为M个像素；
步骤2、针对上述8个方向线，分别进行以下操作：将某一方向的像素与中心像素的差值的绝对值进行求和，如果其值小于等于设定的阈值，则该方向像素和中心像素同质，则数值为1，否则认为异质，则数值设为0；
步骤3、按照逆时针方向将得到的二进制编码排列，计算转换成十进制，作为该中心像素的LPH值，中心像素的LPH值即为图像纹理特征提取的结果。
作为本发明所述的一种局部像素同质化的图像纹理特征提取方法进一步优化方案，8个方向线，分别是0o，45o，90o，135o，180o，225o，270o，315o。
作为本发明所述的一种局部像素同质化的图像纹理特征提取方法进一步优化方案，方向像素和中心像素同质则说明方向像素和中心像素具有相似的灰度值像素。
作为本发明所述的一种局部像素同质化的图像纹理特征提取方法进一步优化方案，方向像素和中心像素异质则说明方向像素和中心像素具有灰度值不相似像素。
作为本发明所述的一种局部像素同质化的图像纹理特征提取方法进一步优化方案，阈值为10。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明提供一种基于局部像素同质化的图像纹理特征提取方法，通过不同方向像素与中心像素的是否同质来获取纹理特征，能够得到更大范围的纹理信息并且简单易行，以克服现有技术的不足。
附图说明
图1是本发明具体特征提取示意图，其中M=4；
图2是局部像素同质化算子描述图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
如图1所示，本发明是一种局部像素同质化的图像纹理特征提取方法，图2是局部像素同质化算子描述图，对像素的图像区域进行图像纹理特征提取，，通过如下步骤实现：
步骤1、以中心像素为起点，每隔45度引出方向线，则可获得8个方向线，分别是0o，45o，90o，135o，180o，225o，270o，315o。每个方向线长度为4个像素。假定阈值T=10，该值可根据具体的实验来设定。
步骤2、如果某方向的像素与中心像素的差值的绝对值进行求和，如果其值小于等于设定的阈值，认为该方向像素和中心像素同质（具有相似的灰度值像素），则数值为1，否则认为异质，则数值设为0；分别按照此规则计算上述8个方向。对于图1中，0o方向线|31-30|+|28-30|+|32-30|+|35-30|=10，则此方向为1，其他方向依次类推，得到8个方向的二进制编码。
步骤3：按照逆时针方向将得到的二进制编码排列（10100100），计算转换成十进制164，作为该中心像素的局部像素同质化值（Local Pixel Homogeny, LPH），LPH值=164。
以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (5)

1.一种局部像素同质化的图像纹理特征提取方法，其特征在于，对像素的图像区域进行图像纹理特征提取，，通过如下步骤实现：
步骤1、以中心像素为起点，每隔45度引出方向线，获得8个方向线，每个方向线长度为M个像素；
步骤2、针对上述8个方向线，分别进行以下操作：将某一方向的像素与中心像素的差值的绝对值进行求和，如果其值小于等于设定的阈值，则该方向像素和中心像素同质，则数值为1，否则认为异质，则数值设为0；
步骤3、按照逆时针方向将得到的二进制编码排列，计算转换成十进制，作为该中心像素的LPH值，中心像素的LPH值即为图像纹理特征提取的结果。
2.根据权利要求1所述的一种局部像素同质化的图像纹理特征提取方法，其特征在于，8个方向线，分别是0o，45o，90o，135o，180o，225o，270o，315o。
3.根据权利要求1所述的一种局部像素同质化的图像纹理特征提取方法，其特征在于，方向像素和中心像素同质则说明方向像素和中心像素具有相似的灰度值像素。
4.根据权利要求1所述的一种局部像素同质化的图像纹理特征提取方法，其特征在于，方向像素和中心像素异质则说明方向像素和中心像素具有灰度值不相似像素。
5.根据权利要求1所述的一种局部像素同质化的图像纹理特征提取方法，其特征在于，阈值为10。
CN201810392603.9A 2018-04-27 2018-04-27 一种局部像素同质化的图像纹理特征提取方法 Active CN108805922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810392603.9A CN108805922B (zh) 2018-04-27 2018-04-27 一种局部像素同质化的图像纹理特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810392603.9A CN108805922B (zh) 2018-04-27 2018-04-27 一种局部像素同质化的图像纹理特征提取方法

Publications (2)

Publication Number Publication Date
CN108805922A true CN108805922A (zh) 2018-11-13
CN108805922B CN108805922B (zh) 2022-04-01

Family

ID=64093073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810392603.9A Active CN108805922B (zh) 2018-04-27 2018-04-27 一种局部像素同质化的图像纹理特征提取方法

Country Status (1)

Country Link
CN (1) CN108805922B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508837A (zh) * 2019-08-26 2021-03-16 天津新松机器人自动化有限公司 一种可用于深度图纹理检测的算子

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101268596B1 (ko) * 2011-07-28 2013-06-04 광주과학기술원 정사각 코드북과 다중 경계 값이 적용된 텍스쳐 특징을 이용한 전경 검출 장치 및 방법
CN105787562A (zh) * 2016-03-24 2016-07-20 上海工程技术大学 色织物的纹理类型识别方法
CN107748877A (zh) * 2017-11-10 2018-03-02 杭州晟元数据安全技术股份有限公司 一种基于细节点和纹理特征的指纹图像识别方法
CN107862267A (zh) * 2017-10-31 2018-03-30 天津科技大学 基于完全对称局部韦伯描述子的人脸识别特征提取算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101268596B1 (ko) * 2011-07-28 2013-06-04 광주과학기술원 정사각 코드북과 다중 경계 값이 적용된 텍스쳐 특징을 이용한 전경 검출 장치 및 방법
CN105787562A (zh) * 2016-03-24 2016-07-20 上海工程技术大学 色织物的纹理类型识别方法
CN107862267A (zh) * 2017-10-31 2018-03-30 天津科技大学 基于完全对称局部韦伯描述子的人脸识别特征提取算法
CN107748877A (zh) * 2017-11-10 2018-03-02 杭州晟元数据安全技术股份有限公司 一种基于细节点和纹理特征的指纹图像识别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508837A (zh) * 2019-08-26 2021-03-16 天津新松机器人自动化有限公司 一种可用于深度图纹理检测的算子

Also Published As

Publication number Publication date
CN108805922B (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
Hu Automated defect detection in textured surfaces using optimal elliptical Gabor filters
CN104809422A (zh) 基于图像处理的qr码识别方法
CN111292321B (zh) 一种输电线路绝缘子缺陷图像识别方法
CN116823814B (zh) 一种配电设备焊接生产缺陷检测系统
CN113963041A (zh) 一种图像纹理识别方法及系统
CN102663399A (zh) 一种基于Hilbert曲线和LBP的图像局部特征提取方法
CN109522768A (zh) Qr码的识别方法及装置
CN101976340B (zh) 基于压缩域的车牌定位方法
CN105516540A (zh) 二值图像的压缩方法及装置
CN111899270A (zh) 卡片边框检测方法、装置、设备及可读存储介质
CN111080723A (zh) 基于Unet网络的图像元素分割方法
CN108805922A (zh) 一种局部像素同质化的图像纹理特征提取方法
CN109271882B (zh) 一种区分颜色的手写体汉字提取方法
CN110598708A (zh) 一种街景文本目标识别检测方法
Ham et al. Recognition of raised characters for automatic classification of rubber tires
CN112509026A (zh) 一种绝缘子裂缝长度识别方法
CN107358244A (zh) 一种快速局部不变特征提取与描述方法
CN113657415B (zh) 一种面向示意图的对象检测方法
CN108717699B (zh) 一种基于连续最小割的超声波图像分割方法
CN108492345B (zh) 一种基于尺度变换的数据块划分方法
CN112464908B (zh) 一种吸引局部二阶梯度轮廓模式人脸特征提取方法
CN106056575A (zh) 一种基于似物性推荐算法的图像匹配方法
Meng et al. Defect detection of glassivation passivation parts wafer surface with random texture and different brightness
CN106780637B (zh) 一种基于脉冲神经膜系统的快速并行图像细化方法
CN108805894A (zh) 图像分析方法及其系统

Legal Events

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