本發(fā)明專(zhuān)利技術(shù)公開(kāi)了一種有效多尺度紋理識(shí)別方法，本方法首先計(jì)算輸入圖像的圖像金字塔，然后將LBP算子施加在每個(gè)尺度的圖像金字塔上。接著，每個(gè)尺度圖像金字塔將產(chǎn)生一個(gè)特征向量。通過(guò)D-S證據(jù)理論將多尺度信息在每個(gè)尺度上通過(guò)相似性融合進(jìn)行整合。特別是，測(cè)試圖像和目標(biāo)樣本之間的相似度是通過(guò)融合測(cè)試圖像和每個(gè)尺度的樣品之間的相似度進(jìn)行計(jì)算。本發(fā)明專(zhuān)利技術(shù)提供的方法對(duì)于公用數(shù)據(jù)集Brodatz’salbum以及MIT視頻紋理數(shù)據(jù)庫(kù)（VisTex）識(shí)別精度達(dá)到96.43%和91.67%，同時(shí)對(duì)圖像旋轉(zhuǎn)不變性具有一定魯棒性，在實(shí)際應(yīng)用中具有一定的應(yīng)用價(jià)值。
【技術(shù)實(shí)現(xiàn)步驟摘要】
【專(zhuān)利摘要】本專(zhuān)利技術(shù)公開(kāi)了，本方法首先計(jì)算輸入圖像的圖像金字塔，然后將LBP算子施加在每個(gè)尺度的圖像金字塔上。接著，每個(gè)尺度圖像金字塔將產(chǎn)生一個(gè)特征向量。通過(guò)D-S證據(jù)理論將多尺度信息在每個(gè)尺度上通過(guò)相似性融合進(jìn)行整合。特別是，測(cè)試圖像和目標(biāo)樣本之間的相似度是通過(guò)融合測(cè)試圖像和每個(gè)尺度的樣品之間的相似度進(jìn)行計(jì)算。本專(zhuān)利技術(shù)提供的方法對(duì)于公用數(shù)據(jù)集Brodatz’salbum以及MIT視頻紋理數(shù)據(jù)庫(kù)（VisTex）識(shí)別精度達(dá)到96.43%和91.67%，同時(shí)對(duì)圖像旋轉(zhuǎn)不變性具有一定魯棒性，在實(shí)際應(yīng)用中具有一定的應(yīng)用價(jià)值?！緦?zhuān)利說(shuō)明】
本專(zhuān)利技術(shù)屬于模式識(shí)別
，涉及一種紋理識(shí)別方法，尤其涉及一種有效多尺 度紋理識(shí)別方法。
技術(shù)介紹
圖像紋理是一種重要的視覺(jué)手段，是圖像中普遍存在而又難以描述的特征。紋理 分析技術(shù)一直是計(jì)算機(jī)視覺(jué)、圖像處理、圖像檢索等的活躍研究領(lǐng)域。紋理分析作為諸如上 述應(yīng)用的基礎(chǔ)性研究領(lǐng)域之一，其研究?jī)?nèi)容主要包括：紋理分類(lèi)和分割、紋理合成、紋理檢 索和由紋理恢復(fù)形狀。這些研究?jī)?nèi)容的一個(gè)最基本的問(wèn)題是紋理特征提取，紋理的微觀異 構(gòu)性，復(fù)雜性以及應(yīng)用的廣泛性和概念的不明確性給紋理研究帶來(lái)很大挑戰(zhàn)。紋理特征提 取的目標(biāo)是：提取的紋理特征維數(shù)不大、鑒別能力強(qiáng)、穩(wěn)健性好，提取過(guò)程計(jì)算量小，能夠指 導(dǎo)實(shí)際運(yùn)用。紋理的定義一直為人們所關(guān)注，但是圖像紋理定義問(wèn)題至今沒(méi)有得到圓滿(mǎn)的 解決，仍然不存在為眾人所公認(rèn)的定義。其中的共識(shí)是一：紋理不同于灰度和顏色等圖像特 征，它通過(guò)像素及其周?chē)臻g鄰域的灰度分布來(lái)表現(xiàn)，即局部紋理信息；二：局部紋理信息 不同程度的重復(fù)性，即全局紋理信息。 局部二值模式為一種有效的紋理描述算子，度量和提取圖像局部的紋理信息，對(duì) 光照具有不變性。Damper-Shafter的證據(jù)理論是Dempster于1967年首先提出，由他的學(xué) 生Shafer于1976年進(jìn)一步發(fā)展起來(lái)的一種不精確推理理論，也稱(chēng)為Dempster/Shafer證 據(jù)理論（D-S證據(jù)理論），最早應(yīng)用于專(zhuān)家系統(tǒng)中，具有處理不確定信息的能力。作為一種不 確定推理方法，證據(jù)理論的主要特點(diǎn)是：滿(mǎn)足比貝葉斯概率論更弱的條件；具有直接表達(dá) "不確定"和"不知道"的能力。在此基礎(chǔ)上進(jìn)行推理，為融合不確定信息提供了一條新的途 徑。但是其在沖突證據(jù)組合、模糊信息處理及相關(guān)證據(jù)組合方面存在不足之處。目前通過(guò) D-S證據(jù)理論進(jìn)行多特征數(shù)據(jù)融合進(jìn)行圖像識(shí)別已經(jīng)得到廣泛的研究。
技術(shù)實(shí)現(xiàn)思路
為了解決上述的技術(shù)問(wèn)題，本專(zhuān)利技術(shù)提供了一種基于局部二值模式（local Binary Pattern,簡(jiǎn)稱(chēng)LBP)和Dempster-Shafer證據(jù)理論（以下簡(jiǎn)稱(chēng)D-S證據(jù)理論）的紋理識(shí)別 方法。 本專(zhuān)利技術(shù)所采用的技術(shù)方案是：，其特征在于，包括以 下步驟： 步驟1 :輸入測(cè)試圖像T ; 步驟2 :計(jì)算測(cè)試圖像T的圖像金字塔，圖像金字塔通過(guò)一個(gè)預(yù)定義的低通濾波器 對(duì)輸入圖像進(jìn)行迭代濾波； 步驟3:將基本的LBP算子應(yīng)用到圖像的每一個(gè)尺度上，將產(chǎn)生若干個(gè)直方圖 {H。，氏，…HJ，對(duì)每個(gè)與之匹配尺度的直方圖，其中L代表圖像金字塔的最高層； 步驟4:用直方圖相交計(jì)算兩兩直方圖之間的相似度，計(jì)算出圖像金字塔上每一 尺度上的基本信任分配； 步驟5 :將各尺度提供基本信任分配當(dāng)作一個(gè)信息源，利用D-S證據(jù)理論去組合； 步驟6 :最終的判定由設(shè)定的分配的最大值選擇決定。 作為優(yōu)選，步驟2中所述的圖像金字塔通過(guò)一個(gè)預(yù)定義的低通濾波器對(duì)輸入圖像 進(jìn)行迭代濾波，其具體實(shí)現(xiàn)過(guò)程是當(dāng)輸入測(cè)試圖像T成為金字塔的最底層或者第0層時(shí)，第 1層包含測(cè)試圖像?\，它是圖像I的一個(gè)濾波版本，而且第2層的測(cè)試圖像T 2是通過(guò)測(cè)試圖 像?\濾波獲得，依次進(jìn)行迭代濾波。 作為優(yōu)選，步驟4中所述的兩兩直方圖之間的相似度為 【權(quán)利要求】1. ，其特征在于，包括以下步驟： 步驟1:輸入測(cè)試圖像T; 步驟2 :計(jì)算測(cè)試圖像T的圖像金字塔，圖像金字塔通過(guò)一個(gè)預(yù)定義的低通濾波器對(duì)輸 入圖像進(jìn)行迭代濾波； 步驟3 :將基本的LBP算子應(yīng)用到圖像的每一個(gè)尺度上，將產(chǎn)生若干個(gè)直方圖{%，H1，…HJ，對(duì)每個(gè)與之匹配尺度的直方圖，其中L代表圖像金字塔的最高層； 步驟4 :用直方圖相交計(jì)算兩兩直方圖之間的相似度，計(jì)算出圖像金字塔上每一尺度 上的基本信任分配； 步驟5 :將各尺度提供基本信任分配當(dāng)作一個(gè)信息源，利用D-S證據(jù)理論去組合； 步驟6 :最終的判定由設(shè)定的分配的最大值選擇決定。2. 根據(jù)權(quán)利要求1所述的有效多尺度紋理識(shí)別方法，其特征在于：步驟2中所述的圖 像金字塔通過(guò)一個(gè)預(yù)定義的低通濾波器對(duì)輸入圖像進(jìn)行迭代濾波，其具體實(shí)現(xiàn)過(guò)程是當(dāng)輸 入測(cè)試圖像T成為金字塔的最底層或者第O層時(shí)，第1層包含測(cè)試圖像T1，它是測(cè)試圖像T 的一個(gè)濾波版本，而且第2層的測(cè)試圖像T2是通過(guò)測(cè)試圖像T1濾波獲得，依次進(jìn)行迭代濾 波。3. 根據(jù)權(quán)利要求1所述的有效多尺度紋理識(shí)別方法，其特征在于：步驟4中所述的兩 兩直方圖之間的相似度為其中HX，HY分別表示測(cè)試圖像和訓(xùn)練圖像的直方圖，其中訓(xùn)練圖像來(lái)自Brodatz's album以及MIT視頻紋理數(shù)據(jù)庫(kù)，B是兩個(gè)直方圖中bin的數(shù)量；基本信任分配ms為其中，Ht表示測(cè)試圖像直方圖，％"表示測(cè)試圖像數(shù)據(jù)集中第i行j列圖像^，仏,） 表示兩個(gè)直方圖之間的相似度，通過(guò)上式計(jì)算在尺度s上的基本信任分配ms，當(dāng)作一個(gè)信息 源去判定測(cè)試圖像T屬于哪一類(lèi)。4. 根據(jù)權(quán)利要求1所述的有效多尺度紋理識(shí)別方法，其特征在于：步驟5中所述的將 各尺度提供基本信任分配當(dāng)作一個(gè)信息源，利用D-S證據(jù)理論去組合，即ms =Hi1 ?m2 ?… ? ，其中，Hl1，…，Hi1，表示來(lái)自J個(gè)不同的信息源，操作算子?表示關(guān)聯(lián)的和可交換的。5. 根據(jù)權(quán)利要求4所述的有效多尺度紋理識(shí)別方法，其特征在于：步驟6中所述的最 終的判定由設(shè)定的分配的最大值選擇決定，即： Copt =argmax{m(TGCi)}； 其中，argmax表示尋找具有最大評(píng)分的參量，ms代表J個(gè)信息源的組合?！疚臋n編號(hào)】G06K9/62GK104268562SQ201410468974【公開(kāi)日】2015年1月7日 申請(qǐng)日期:2014年9月15日 優(yōu)先權(quán)日:2014年9月15日 【專(zhuān)利技術(shù)者】何發(fā)智, 孫俊, 陳曉 申請(qǐng)人:武漢大學(xué)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種有效多尺度紋理識(shí)別方法，其特征在于，包括以下步驟：步驟1：輸入測(cè)試圖像T；步驟2：計(jì)算測(cè)試圖像T的圖像金字塔，圖像金字塔通過(guò)一個(gè)預(yù)定義的低通濾波器對(duì)輸入圖像進(jìn)行迭代濾波；步驟3：將基本的LBP算子應(yīng)用到圖像的每一個(gè)尺度上，將產(chǎn)生若干個(gè)直方圖{H0,H1,…HL}，對(duì)每個(gè)與之匹配尺度的直方圖，其中L代表圖像金字塔的最高層；步驟4：用直方圖相交計(jì)算兩兩直方圖之間的相似度，計(jì)算出圖像金字塔上每一尺度上的基本信任分配；步驟5：將各尺度提供基本信任分配當(dāng)作一個(gè)信息源，利用D?S證據(jù)理論去組合；步驟6：最終的判定由設(shè)定的分配的最大值選擇決定。
【技術(shù)特征摘要】
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：何發(fā)智，孫俊，陳曉，
申請(qǐng)(專(zhuān)利權(quán))人：武漢大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：湖北;42
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。