基于圖像紋理特征提取算法的研究及應(yīng)用.pdf

1、紋理是圖像的基本特征，是物體表面固有屬性的描述，為圖像分析提供了重要的視覺(jué)線索。紋理分類(lèi)是圖像處理、計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域重要的研究課題;在過(guò)去的幾十年間吸引了科研人員廣泛的研究興趣和注意。紋理分類(lèi)在遙感分析，工業(yè)紡織品檢測(cè)，醫(yī)學(xué)圖像分析，場(chǎng)景和目標(biāo)識(shí)別，基于內(nèi)容的圖像和視頻分析以及材料分類(lèi)等也有著廣泛的潛在應(yīng)用。紋理圖像分類(lèi)，尤其是對(duì)真實(shí)世界紋理分類(lèi)的一個(gè)最大挑戰(zhàn)在于諸如光照變化、旋轉(zhuǎn)變化、空間尺度變化、對(duì)比度變化、視點(diǎn)變化、非剛體

2、形變以及遮擋等都會(huì)引起紋理外觀在視覺(jué)上的隨機(jī)性突變、幾何變化和光度變換等。因此，本論文主要研究如何從紋理圖像中提取有效的紋理特征，使類(lèi)內(nèi)和類(lèi)間的紋理屬性具有高度可區(qū)分性，即構(gòu)建的圖像紋理特征能使同一類(lèi)紋理圖像間的相似度最大，而使不同類(lèi)之間紋理圖像的相似度最小。本論文的主要研究?jī)?nèi)容如下。
　　針對(duì)局部二元模式(LBP, Local binary pattern)紋理特征描述子存在的對(duì)噪聲敏感、對(duì)紋理的宏模式描述不足以及特征維度隨鄰域

3、數(shù)目的增加而不斷增大等問(wèn)題，提出一種模擬視網(wǎng)膜采樣模式并結(jié)合圖像像素和圖像子塊的采樣結(jié)構(gòu)(PTP, Pixel to patch)和一種鄰域強(qiáng)度關(guān)系算子(NIR，neighboring intensity releationship)。該P(yáng)TP結(jié)構(gòu)可以同時(shí)捕獲圖像的微模式和宏模式。利用NIR算子構(gòu)建了局部鄰域強(qiáng)度關(guān)系模式(LNIRP,Local neighboring intensity releationship pattern)特征

4、描述子來(lái)搜索鄰域灰度屬性信息，該特征描述子對(duì)LBP特征具有互補(bǔ)性?；赑TP和NIR提出了一種新的紋理描述方法。該方法首先采用聯(lián)合統(tǒng)計(jì)將LNIRP特征與LBP特征相融合。其次，將融合后的特征采用PTP采樣結(jié)構(gòu)進(jìn)一步擴(kuò)展表達(dá)紋理的描述。理論分析及紋理分類(lèi)實(shí)驗(yàn)結(jié)果表明，同其他紋理分類(lèi)方法相比，本文提出的方法具有抗噪聲魯棒性，特征維度低，計(jì)算效率和分類(lèi)正確率高等優(yōu)點(diǎn)。
　　針對(duì)灰度不變和旋轉(zhuǎn)不變的紋理分類(lèi)問(wèn)題，提出了兩個(gè)新的基于局部二元

5、模式的特征算子——環(huán)方向?qū)?shù)算子(CDD，Circum-Directional derivative)和環(huán)方向模式算子(CDP, Circum-Directional pattern)，基于這兩個(gè)特征算子提出了一種新的紋理分類(lèi)方法。該方法首先利用CDD算子搜索環(huán)方向的導(dǎo)數(shù)信息，利用CDP算子來(lái)捕獲中心像素信息及中心像素與環(huán)向鄰域像素間的空間結(jié)構(gòu)（模式）信息。其次，將CDD算子和CDP算子擴(kuò)展為高階形式及不同的變種來(lái)分別編碼局部區(qū)域內(nèi)的可

6、分辨信息。第三，采用類(lèi)似于LBP特征的構(gòu)建方法，基于CDD和CDP算子分別構(gòu)建局部二元環(huán)方向?qū)?shù)(LB-CDD，Local binary circum-directional derivative)和局部二元環(huán)方向模式(LB-CDP,Local binary circum-directional pattern)特征描述子。最后，將提出的LB-CDD和LB-CDP特征描述子采用聯(lián)合統(tǒng)計(jì)的方法進(jìn)行特征融合，根據(jù)LB-CDD的不同階數(shù)和LB

7、-CDP的不同變種，構(gòu)建了多個(gè)融合特征描述子。在幾個(gè)具有挑戰(zhàn)性的旋轉(zhuǎn)不變紋理分類(lèi)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，提出的方法與其他方法相比在分類(lèi)正確率上取得了顯著的改進(jìn)，且構(gòu)建特征的維度較小。
　　針對(duì)Gabor變換的人臉表情描述方法計(jì)算代價(jià)和存儲(chǔ)空間開(kāi)銷(xiāo)較高的問(wèn)題，提出一種基于PTP采樣結(jié)構(gòu)和空間顯著性相結(jié)合的人臉表情描述方法。該方法首先采用單演信號(hào)分析將人臉圖像分解為單演幅度、相位和方向三個(gè)單演特征響應(yīng)圖。其次，將每個(gè)特征響應(yīng)圖劃分為多

8、個(gè)矩形子區(qū)域，采用矩形子區(qū)域上的單演幅度值作為該矩形子區(qū)域的空間顯著性并為每個(gè)子區(qū)域分配不同的權(quán)重。然后，在三個(gè)特征響應(yīng)圖的每個(gè)子區(qū)域上分別提取基于PTP采樣結(jié)構(gòu)的單演幅度、相位和方向二元模式特征。最后，將結(jié)合了空間顯著性的三個(gè)加權(quán)特征進(jìn)行拼接融合進(jìn)一步增強(qiáng)特征的可分辨性。在人臉表情數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，提出的方法具有較高的準(zhǔn)確率和較低的特征維度，是一種有效的人臉表情識(shí)別方法。
　　針對(duì)鐵路安全運(yùn)輸中鐵道線路上扣件系統(tǒng)檢測(cè)存在的

9、低效率和準(zhǔn)確率不高的問(wèn)題，基于PTP采樣結(jié)構(gòu)和視覺(jué)跟蹤技術(shù)，提出一種扣件定位和扣件狀態(tài)實(shí)時(shí)檢測(cè)方法。首先，利用軌枕區(qū)域?qū)庹辗瓷涞钠骄叶葟?qiáng)度和區(qū)域內(nèi)灰度的投影殘差實(shí)現(xiàn)扣件區(qū)域的粗定位，將定位到的軌枕區(qū)域設(shè)置為扣件區(qū)域的粗定位坐標(biāo)。其次，利用基于PTP采樣結(jié)構(gòu)的LBP描述子在扣件區(qū)域周?chē)崛≌⒇?fù)樣本特征。然后，利用具有在線學(xué)習(xí)和自動(dòng)更新的樸素貝葉斯分類(lèi)器跟蹤扣件區(qū)域的精確位置。最后，提取扣件區(qū)域精確位置上的特征并對(duì)特征分類(lèi)，實(shí)現(xiàn)扣件狀