一種基于二維局部二值模式的圖像描述方法
【技術領域】
[0001] 本發明屬于數字圖像處理、機器視覺的技術領域。具體是一種基于二維局部二值 模式的圖像描述方法。
【背景技術】
[0002] 圖像的特征提取與描述是圖像處理和模式識別領域中具有挑戰性的研究課題之 一，同時，也日益成為與生活息息相關的組成部分。隨著網絡的發展和大數據時代的到來， 許多研究人員聚焦于圖像特征的提取與描述方向，用來有效地提高圖像檢索的準確率。用 于圖像模式識別的特征大致可歸納為：（1)顏色或灰度的統計特征；（2)紋理、邊緣特征；（3) 代數特征；（4)變換系數特征或濾波器系數特征。其中，紋理特征作為一種重要的視覺線索， 是圖像中普遍存在卻又難W描述的特征。
[0003] LBP(LocalBinaryF^atte;rn,局部二值模式）是首先由T.Ojala,M.Piedk扣nen和 D.化rwood在1994年提出，用來描述圖像的局部紋理特征，它的作用是對圖像的局部紋理特 征進行提取。原始的LBP算子是定義在3*3的鄰域內，W中屯、像素為闊值，將相鄰的8個像素 的灰度值與其進行比較。若鄰域像素值大于中屯、像素值，則該鄰域像素點的位置被記為1， 否則為0。用相同的方法，將相鄰的8個像素分別進行標記。運樣3*3鄰域內可產生8位的無符 號二進制數，即得到該鄰域的LBP值，通過運個值來表示該區域的紋理信息。在原始LBP的基 礎上，研究人員不斷進行各種改進和優化，進而得到了 LBP均勻模式、LBP旋轉不變模式、LBP 旋轉不變均勻模式化BPriu)等結果。但是原始的LBP算子及其各種改進結果均是對特征采用 直方圖的形式來進行統計，僅僅設及到圖像中LBP值本身的數量統計，并沒有考慮到相鄰 LBP值之間所存在的聯系。本文所提出的二維LBP設及到運一方面的問題，利用了圖像LBP值 的上下文信息，提高了對圖像描述的準確率。
【發明內容】
[0004] 針對W上現有技術的不足，本發明提供了一種有效提高圖像描述準確率的基于二 維局部二值模式的圖像描述方法，本發明的技術方案如下：一種基于二維局部二值模式的 圖像描述方法，其包括W下步驟：
[0005] 101、首先獲取圖像數據集，然后對圖像數據進行預處理，若為彩色圖像則變換為 灰度圖像；
[0006] 102、采用具有旋轉不變均勻模式的局部二值模式方法化BPriu)對步驟101處理后 的圖像進行特征提取，得到圖像數據集的局部二值模式圖即LBP圖；
[0007] 103、確定LBP圖窗口大小，在LBP圖上構造二維局部二值模式特征，同時改變LBPriu 鄰域半徑大小，將不同半徑對應的二維LBP特征進行融合，構造二維LBP特征用來進行分類； [000引104、預先設定圖像數據集的測試集和訓練集，根據步驟103得到的二維LBP特征， 通過對圖像訓練集和測試集進行匹配，得到最終的分類結果。
[0009]進一步的，所述圖像數據集的局部二值模式圖是由圖像的中每個像素的LBP值組 成。
[0010] 進一步的，所述步驟103中二維局部二值模式特征的構造，具體包括如下步驟：
[001。 1)、當圖像LBPriu的鄰域半徑為1，領域個數為8時，得到的LBPriu( 1，8)共有10種模 式值;設定LBP圖窗口大小為W，即是在w*w的窗口大小下統計圖像LBPriu值的上下文信息的； [001^2)、構造1^8口對（1。，1。），1。表示中屯、像素對應的1^8口值，取值范圍為0到9;1。表示中 屯、像素1C的鄰域像素對應的LBP值，取值范圍也是0到9，在的LBP圖窗口大小內，遍歷整 張圖像，統計出LBP對(1。，U在不同模式值下的對應數量，得到10*10的二維LBP特征；
[001 ；3] 3)、將每張圖像得到的10* 10的二維LBP特征變為1 * 100維的特征；
[0014] 4)、改變LBPriu方法中的半徑大小和鄰域像素個數，重復上述過程構造出相應的二 維LBP特征；
[0015] 5)、將上述半徑值為X，鄰域像素個數為8x(x為正整數)的二維LBP特征融合起來形 成圖像的最終描述特征。
[0016] 進一步的，所述步驟104中訓練集和測試集的選擇和匹配的方法，所選用的數據庫 名為化odatz紋理數據庫，共有111類紋理圖像，每個類中共有9張圖像，選取每類圖像的前 Ξ張作為訓練集，剩余的六張作為測試集，訓練集和測試集進行匹配，來獲得分類結果。
[0017] 進一步的，二維局部二值模式LBP的數學表達式如下：
LBPriu (X，y)表示(X，y)位置的像素對應的LBPriu; LBPriu (X+P，y+q)表示(X+P，y+q)位置的像 素對應的 LBPriu，p，q是整數，有;2DLBP(lc，ln)表示 LBP 對（lc，ln)在圖 像大小為M*N的圖像中的數量;w表示LBP圖的窗口大小；Ic和In分別表示LBP圖的中屯、位置與 鄰域位置的LBP值，最大取值是由鄰域像素個數所決定的，當1。和In相等時，權重的 值為0,為了防止運一現象，將權重改為11。-1。1+1，如果1。和In的差值越大，那么權重就越 大，反之權重就越小。
[0020] 本發明的優點及有益效果如下：
[0021] 本發明主要解決了在數字圖像處理領域中圖像描述準確率的問題。本發明首先對 數據集中的圖像進行預處理;采用旋轉不變均勻模式LBP方法(LBPriu)對預處理后的圖像進 行特征提取，得到圖像的LBP圖；確定LBP圖窗口大小W，在LBP圖上構造二維LBP特征，同時改 變LBPriu鄰域半徑大小，將不同半徑對應的二維LBP特征進行融合，構造出描述圖像的最終 特征;最后將選取的測試集與訓練集相匹配得到分類結果。本發明提出的二維LBP圖像描述 方法，統計了在某一特定LBP圖窗口大小W條件下，圖像中每一個像素的LBPriu和其鄰域像素 的LBPriu的關系。本發明利用圖像LBP值的上下文信息，有效提高了對圖像描述的準確率。
【附圖說明】
[0022] 圖1是本發明提供優選實施例分析方法的流程圖。
[0023] 圖2是本發明二維LBP特征的構造方法流程圖。
【具體實施方式】
[0024] W下結合附圖，對本發明作進一步說明：
[0025] 如圖1所示，一種基于二維局部二值模式的圖像描述方法，包括如下步驟：
[0026] 第一步:首先對圖像數據進行預處理，若為彩色圖像則變換為灰度圖像；
[0027] 第二步:采用具有旋轉不變均勻模式的LBP(LBPriu)方法(例如:半徑為1，領域個數 為8)對第一步處理后的圖像進行特征提取，得到數據集的LBP圖；
[00%]第Ξ步:根據第二步得到的LBP圖，確定LBP圖窗口大小W，構造二維LBP特征；
[0029] 第四步:改變LBPriu的領域半徑大小和鄰域像素個數(例如:半徑為1，領域個數為 8)，對第一步處理后的圖像進行特征提取，得到數據集的LBP圖；
[0030] 第五步，重復第Ξ步，然后將得到的二維LBP特征與之前的二維LBP特征融合在一 起，直到LBP的鄰域半徑大小超過預先設定的最大值為止；
[0031] 第六步:根據第五步得到的二維LBP特征，通過對圖像數據集中訓練集和測試集進