CN108805922B - 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 PDFInfo
- Publication number
- CN108805922B CN108805922B CN201810392603.9A CN201810392603A CN108805922B CN 108805922 B CN108805922 B CN 108805922B CN 201810392603 A CN201810392603 A CN 201810392603A CN 108805922 B CN108805922 B CN 108805922B
- Authority
- CN
- China
- Prior art keywords
- pixel
- pixels
- central
- central pixel
- homogenization
- 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
Links
Images
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
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:
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:
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 (2)
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;
8个方向线,分别是0o,45o,90o,135o,180o,225o,270o,315o;
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;
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。
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,阈值为10。
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 CN108805922A (zh) | 2018-11-13 |
CN108805922B true 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) |
Families Citing this family (1)
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)
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 |
-
2018
- 2018-04-27 CN CN201810392603.9A patent/CN108805922B/zh active Active
Patent Citations (4)
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 |
Also Published As
Publication number | Publication date |
---|---|
CN108805922A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Fusion of color and infrared video for moving human detection | |
CN110197153B (zh) | 一种户型图中墙体自动识别方法 | |
US10311322B2 (en) | Character information recognition method based on image processing | |
Ansari et al. | Localization of ear using outer helix curve of the ear | |
CN108764004B (zh) | 一种基于编码环采样的环状编码标记点解码识别方法 | |
WO2017012581A1 (zh) | 二维码加权平均灰度法解码方法及系统 | |
WO2020177470A1 (zh) | 验证码识别方法、装置、终端及存储介质 | |
CN108154149B (zh) | 基于深度学习网络共享的车牌识别方法 | |
CN116934740B (zh) | 基于图像处理的塑料模具表面缺陷分析检测方法 | |
CN105740872B (zh) | 图像特征提取方法及其装置 | |
CN113963041A (zh) | 一种图像纹理识别方法及系统 | |
CN107886501A (zh) | 视觉定位方法及终端设备 | |
CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
CN111899270A (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
CN101976340B (zh) | 基于压缩域的车牌定位方法 | |
CN108805922B (zh) | 一种局部像素同质化的图像纹理特征提取方法 | |
CN116823814A (zh) | 一种配电设备焊接生产缺陷检测系统 | |
CN113744153A (zh) | 双分支图像修复伪造检测方法、系统、设备及存储介质 | |
CN110751635A (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN110598832B (zh) | 一种基于遗传优化算法的文字透视矫正方法 | |
CN110110697B (zh) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 | |
CN103914824B (zh) | 医学图像多目标区域勾画及任意目标区域面积计算方法 | |
CN109829885B (zh) | 一种基于深度语义分割网络的自动识别鼻咽癌原发肿瘤方法 | |
CN111292346B (zh) | 一种噪声环境下浇铸箱体轮廓的检测方法 | |
Arora et al. | An algorithm to straighten the bent human chromosomes |
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 |