CN109409383A - 基于扩展四元局部二值模式的彩色图像特征提取方法 - Google Patents

基于扩展四元局部二值模式的彩色图像特征提取方法 Download PDF

Info

Publication number
CN109409383A
CN109409383A CN201811120503.7A CN201811120503A CN109409383A CN 109409383 A CN109409383 A CN 109409383A CN 201811120503 A CN201811120503 A CN 201811120503A CN 109409383 A CN109409383 A CN 109409383A
Authority
CN
China
Prior art keywords
color image
feature
gradient
image
phase property
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.)
Pending
Application number
CN201811120503.7A
Other languages
English (en)
Inventor
辛亮亮
宋铁成
张刚
张天骐
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201811120503.7A priority Critical patent/CN109409383A/zh
Publication of CN109409383A publication Critical patent/CN109409383A/zh
Pending legal-status Critical Current

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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

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

Abstract

本发明涉及一种基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：输入一幅RGB彩色图像，并在RGB彩色空间中计算梯度特征；将彩色图像和梯度特征图像用四元数进行表示；在四元数域计算模和相位特征；对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；将所得三个特征直方图级联，作为最终的特征来描述彩色图像。本发明一种基于扩展四元局部二值模式的彩色图像特征提取方法，能够同时处理彩色图像的各个通道，提高传统LBP方法对彩色图像的描述能力。

Description

基于扩展四元局部二值模式的彩色图像特征提取方法
技术领域
本发明涉及数字图像处理、计算机视觉领域，具体涉及一种基于扩展四元局部二值模式的彩色图像特征提取方法。
背景技术
利用现代化计算机和多媒体技术进行视觉任务时，通常使用特征提取算法(即图像描述符)来获取图像的特征信息，然后利用所获取的图像特征描述图像。许多研究者认为图像特征提取是任何计算机视觉和数字图像处理问题中最关键的步骤之一，提取特征的优劣直接影响视觉任务的最终性能。因此，图像特征提取方法具有重要的研究价值。
近年来，图像特征提取方法逐渐成为计算机视觉和模式识别领域研究的重要课题之一，并提出了各种各样的图像特征提取算法。其中代表性的方法有：灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)、尺度不变特征变换(Scale Invariant FeatureTransform,SIFT)、梯度方向直方图(Histograms of Oriented Gradients,HOG)、局部二值模式(Local Binary Pattern，LBP)等。LBP方法具有计算复杂度低、线性灰度不变性、无需训练学习和易于工程实现等众多优点，因此被广泛应用于纹理分类、人脸识别、图像检索和行人检测等领域。
随着成像技术和多媒体技术的快速发展，彩色图像逐渐取代了传统的灰度图像，而对于人类的视觉系统而言，颜色是最主要且具有区分力的视觉特征。但是包括GLCM、SIFT、HOG和LBP等绝大多数图像特征提取算法都是将彩色图像转化为相应的灰度图像来处理。针对彩色图像的处理，基于LBP的特征提取方法通常采用两种做法，一种是将彩色图像转化为灰度图像进行处理，另一种是分别在彩色图像的每个通道进行处理。第一种做法没有利用图像的任何颜色信息，而第二种做法未考虑各个彩色通道之间的相关性。为了能同时处理彩色图像的各个通道，研究者利用纯四元数(实部为0)来表示彩色图像的三个通道，这使得四元数的相位特征无法被利用，而四元数的相位特征包含了实部与虚部之间的相互关系。针对以上不足，本发明提出一种基于扩展四元局部二值模式的彩色图像特征提取方法。
发明内容
本发明所要解决的问题是提供一种基于扩展四元局部二值模式的彩色图像特征提取方法，所述方法能够同时处理彩色图像的各个通道，提高传统LBP方法对彩色图像的描述能力。
本文发明解决上述问题的技术方案如下：一种基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：
步骤1，输入一幅RGB彩色图像，获得R(红色)、G(蓝色)、B(绿色)三个通道分量，并在RGB彩色空间中计算图像的梯度特征，得到梯度特征图；
步骤2，将彩色图像和梯度特征图像用四元数进行表示；
步骤3，在四元数域计算模和相位特征，得到模特征图和相位特征图；
步骤4，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；
步骤5，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。
本文发明与现有技术相比具有以下优点：
第一，本发明结合四元数的代数性质能够同时处理彩色图像的所有通道，考虑了各个彩色通道之间的相互关系；
第二，本发明将彩色图像处理中传统的纯四元数从3维扩展到4维，将对应的图像梯度值作为四元数的实部，解决了纯四元数相位特征无法使用的问题，而四元数的相位特征恰恰反映了实部虚部之间的相互关系，即在本发明中四元数的相位特征表达了彩色图像梯度与三个颜色分量之间的相互关系，深入刻画了图像的固有信息特征；本发明中四元数的实部选择并不局限于梯度值，可以有多种选择方案，例如，梯度值或R、G、B的平均值或彩色图像的灰度值；
第三，本发明在四元数的模、相位与彩色空间梯度特征图的基础上再提取LBP特征，有助于编码图像的局部结构信息。
附图说明
图1为本发明基于扩展四元局部二值模式的彩色图像特征提取方法流程图。
图2为本发明提取LBP特征示意图。
图3为本发明特征直方图级联示意图。
具体实施方式
以下结合附图和具体实施方法对本发明的原理作进一步说明。
参照图1，本发明基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：获得输入图像的各个通道分量并计算梯度特征、四元数表示、在四元数域计算模和相位特征、提取LBP特征、特征直方图级联。
步骤1，输入一幅RGB彩色图像I，可获得R、G、B各个通道分量，然后在RGB空间中计算梯度特征，具体计算过程为：
令r、g、b为RGB彩色空间中沿R、G和B轴的单位向量，定义向量：
根据向量的点积，并定义：
式中，(x,y)表示像素位置，则彩色图像的梯度特征可计算为：
式中，θ(x,y)为梯度方向：
所计算的梯度特征突出了彩色图像的边缘、条纹和锐度等颜色的偏移；
步骤2，使用四元数的三个虚部系数和实部分别表示每个像素位置(x,y)处对应的R、G、B值和梯度值，具体为：
式中，i、j、k为三个虚数单位，经过此步骤，彩色图像和梯度特征图像可由一个四元数矩阵进行表示；
步骤3，计算四元数矩阵的模和相位特征，得到模特征图和相位特征图，具体计算公式为：
式中，M(x,y)和Φ(x,y)分别表示四元数矩阵的模和相位特征，M(x,y)同时包含了彩色图像各个颜色分量与梯度信息，Φ(x,y)强调了各个颜色分量与梯度之间的相互关系；
步骤4，参照图2，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算特征直方图，具体为：
步骤4.1，对于输入图像的某一像素(中心像素)，计算近邻像素；
步骤4.2，近邻像素二值化：计算近邻像素与中心像素的差分值，若差分值大于等于0则将对应位置的近邻像素编码为1，反之则编码为0；
步骤4.3，按照图2所示起点和顺时针方向将二进制编码转换为十进制，并作为中心像素的LBP编码值；
LBP编码可公式表示为：
式中，r和P分别表示近邻采样的半径和近邻像素个数；ic和ip分别表示中心像素与第p个近邻像素的像素值；φ(·)表示输入的特征图像，本发明中为梯度特征图F(x,y)、模特征图M(x,y)和相位特征图Φ(x,y)；s为符号函数；
步骤4.4，对输入特征图中的每一个像素重复步骤4.1-4.3，在计算出所有像素的LBP编码之后，计算所有LBP编码的统计直方图；
步骤5，参照图3，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。

Claims (5)

1.一种基于扩展四元局部二值模式的彩色图像特征提取方法，其特征在于，包括以下步骤：
步骤1，输入一幅RGB彩色图像，获得R(红色)、G(蓝色)、B(绿色)三个通道分量，并在RGB彩色空间中计算图像的梯度特征；
步骤2，将彩色图像和梯度特征图像用四元数进行表示；
步骤3，在四元数域计算模和相位特征，得到模特征图和相位特征图；
步骤4，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；
步骤5，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。
2.根据权利要求1所述方法，其特征在于，所述步骤2中，将彩色图像和梯度特征图像用四元数进行表示，具体为：
使用四元数的三个虚部系数和实部分别表示每个像素位置(x,y)处对应的R、G、B值和梯度值：
经过此步骤，彩色图像和梯度特征图像可由一个四元数矩阵进行表示。
3.根据权利要求2所述方法，其特征在于，所述步骤2中，四元数的实部选择并不局限于梯度值，可以有多种选择方案，例如，梯度值或R、G、B的平均值或彩色图像的灰度值。
4.根据权利要1所述方法，其特征在于，所述步骤3中，在四元数域计算模和相位特征，模特征同时包含了彩色图像各个颜色分量与梯度信息，相位特征强调了各个颜色分量与梯度之间的相互关系。
5.根据权利要求1所述方法，其特征在于，所述步骤4和步骤5中，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，计算统计直方图，将所得的三个特征直方图级联来描述彩色图像。
CN201811120503.7A 2018-09-26 2018-09-26 基于扩展四元局部二值模式的彩色图像特征提取方法 Pending CN109409383A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811120503.7A CN109409383A (zh) 2018-09-26 2018-09-26 基于扩展四元局部二值模式的彩色图像特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811120503.7A CN109409383A (zh) 2018-09-26 2018-09-26 基于扩展四元局部二值模式的彩色图像特征提取方法

Publications (1)

Publication Number Publication Date
CN109409383A true CN109409383A (zh) 2019-03-01

Family

ID=65465347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811120503.7A Pending CN109409383A (zh) 2018-09-26 2018-09-26 基于扩展四元局部二值模式的彩色图像特征提取方法

Country Status (1)

Country Link
CN (1) CN109409383A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489145A (zh) * 2020-12-29 2021-03-12 重庆邮电大学 一种基于颜色相关局部二值模式的彩色图像描述方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150709A (zh) * 2013-02-22 2013-06-12 东南大学 一种基于伪牛顿法的四元数域彩色图像压缩感知恢复方法
CN103606163A (zh) * 2013-12-04 2014-02-26 南京汇川工业视觉技术开发有限公司 基于四元数理论和canny算法的彩色图像边缘检测方法
WO2015054666A1 (en) * 2013-10-10 2015-04-16 Board Of Regents, The University Of Texas System Systems and methods for quantitative analysis of histopathology images using multi-classifier ensemble schemes
CN105138972A (zh) * 2015-08-11 2015-12-09 北京天诚盛业科技有限公司 人脸认证方法和装置
CN107368819A (zh) * 2017-08-02 2017-11-21 首都师范大学 人脸识别方法及系统
CN107665488A (zh) * 2017-09-14 2018-02-06 浙江科技学院 一种立体图像视觉显著提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150709A (zh) * 2013-02-22 2013-06-12 东南大学 一种基于伪牛顿法的四元数域彩色图像压缩感知恢复方法
WO2015054666A1 (en) * 2013-10-10 2015-04-16 Board Of Regents, The University Of Texas System Systems and methods for quantitative analysis of histopathology images using multi-classifier ensemble schemes
CN103606163A (zh) * 2013-12-04 2014-02-26 南京汇川工业视觉技术开发有限公司 基于四元数理论和canny算法的彩色图像边缘检测方法
CN105138972A (zh) * 2015-08-11 2015-12-09 北京天诚盛业科技有限公司 人脸认证方法和装置
CN107368819A (zh) * 2017-08-02 2017-11-21 首都师范大学 人脸识别方法及系统
CN107665488A (zh) * 2017-09-14 2018-02-06 浙江科技学院 一种立体图像视觉显著提取方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
(美)冈萨雷斯 等著，阮秋琦 等译: "《数字图像处理：第三版》", 30 June 2011, 电子工业出版社 *
RUSHI LAN 等: "Quaternionic Local Ranking Binary Pattern: A Local Descriptor of Color Images", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
TIECHENG SONG 等: "Grayscale-Inversion and Rotation Invariant Texture Description Using Sorted Local Gradient Pattern", 《IEEE SIGNAL PROCESSING LETTERS》 *
刘伯生: "四元数小波域的多尺度变阈值LBP人脸识别方法", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
刘广海 等: "基于RGB向量空间的彩色纹理图像检索", 《计算机科学》 *
朱龙 等: "基于局部二值模式和四元数的行人检测", 《电视技术》 *
陈北京 等: "基于彩色图像四元数表示的彩色人脸识别", 《自动化学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489145A (zh) * 2020-12-29 2021-03-12 重庆邮电大学 一种基于颜色相关局部二值模式的彩色图像描述方法

Similar Documents

Publication Publication Date Title
Mäenpää et al. Classification with color and texture: jointly or separately?
Sergyan Color histogram features based image classification in content-based image retrieval systems
Al-Dwairi et al. Optimized true-color image processing
Buza et al. Skin detection based on image color segmentation with histogram and k-means clustering
Sathya et al. Classification and segmentation in satellite imagery using back propagation algorithm of ann and k-means algorithm
CN104778701A (zh) 一种基于rgb-d传感器的局部图像描述方法
An et al. CBIR based on adaptive segmentation of HSV color space
Bai et al. Color textured image retrieval by combining texture and color features
CN110619648B (zh) 一种基于rgb变化趋势划分图像区域的方法
Jayaswal et al. A hybrid approach for image retrieval using visual descriptors
Senturk et al. Seam carving based image retargeting: A survey
JP4915678B2 (ja) 特徴抽出装置および特徴抽出方法
CN109409383A (zh) 基于扩展四元局部二值模式的彩色图像特征提取方法
CN110766708B (zh) 基于轮廓相似度的图像比较方法
Youlian et al. Face detection method using template feature and skin color feature in rgb color space
Van de Wouwer et al. Color texture classification by wavelet energy correlation signatures
Azad et al. A robust and adaptable method for face detection based on color probabilistic estimation technique
Tan et al. Gesture segmentation based on YCb'Cr'color space ellipse fitting skin color modeling
CN109753912B (zh) 一种基于张量的多光谱掌纹匹配方法
Azad et al. Novel and tuneable method for skin detection based on hybrid color space and color statistical features
Moradi-Gharghani et al. A new block-based copy-move forgery detection method in digital images
CN113052194A (zh) 一种基于深度学习的服装色彩认知系统及其认知方法
CN103871084B (zh) 蓝印花布图案识别方法
CN115187790A (zh) 一种基于参考区域二值化结果的图像轮廓提取方法
Kobayashi et al. Color image feature extraction using color index local auto-correlations

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190301