基于視覺信息的圖像特征提取算法研究

李 榮，徐燕華

（無錫太湖學院 江蘇 無錫　214064）

基于視覺信息的圖像特征提取算法研究

李 榮，徐燕華

（無錫太湖學院 江蘇 無錫214064）

自計算機視覺產(chǎn)生開始，視覺信息則自動成為其處理的對象。紋理特征作為視覺信息的重要部分，成為圖像特征提取的重點。針對紋理特征提取中，傳統(tǒng)LBP算法作為一種基于灰度的算法，僅僅局限對低分辨率圖片，其識別率通常比較低的問題，提出一種基于小波變換的LBP算法。該算法利用小波變換的局部特性、方向性和多方向性等特點，并結(jié)合LBP算法自身具有的旋轉(zhuǎn)不變形、灰度不變形等特點，從而通過小波變換對高分辨率圖片的分解，再通過局部二值模式的優(yōu)勢，從而實現(xiàn)對圖像紋理特征的提取。最后通過MATLAB軟件編程與ORL數(shù)據(jù)庫的對比測試，改進算法的識別率明顯優(yōu)于傳統(tǒng)LBP算法。

視信息；LBP算法；小波變換；ORL；紋理特征

特征提取作為圖像檢索、圖像匹配、圖像融合的一個關(guān)鍵問題，成為當前研究的重點和熱點。而視覺信息圖像特征點提取，是當前智能圖像和計算機視覺所研究的一個重點領(lǐng)域與技術(shù)。其主要是借助計算機的相關(guān)算法，從而提取出圖像的相關(guān)信息，并決定該圖像是否具備特定的識別因子。

LBP算法作為視覺信息中對紋理特征描述的一種算法，具有旋轉(zhuǎn)不變形、灰度不變形等明顯的優(yōu)點［1］。在對LBP的應用中，不斷的發(fā)展與演變，并被廣泛的應用在圖像分割、人臉分析、紋理分類等各個領(lǐng)域［2-4］。但LBP算法其適用于低分辨率圖片的紋理特征提取，但其識別效果不高。小波變換作為建立在傅里葉變化基礎(chǔ)上，也為一種局部變換，但可進行時間與頻度、空間與頻率間的變換。因此，結(jié)合小波變換與LBP算法各自的優(yōu)點，提出一種基于小波與LBP改進算法，通過借助小波變化對高分辨率圖像的分解，從而實現(xiàn)對圖像紋理特征的提取，提高圖像識別率。

1　LBP算法基本原理

LBP算法，稱為局部二值模式（Local Binary Pattern），由著名的OjalaT教授在1996年提出［5］。該算法其具有計算簡便，思路簡單，鑒別能力強等特點，因此被人們廣泛的應用各個方面。LBP算法作為對局部紋理特征進行提取的一種算法，其基本的定義是在 3*3的窗口內(nèi)，將窗口當中的中心像素與周圍與其相鄰的8個不同的像素點的閾值進行一一的比較，在經(jīng)過對該窗口采用二值化的處理之后，如果其周圍的像素的閾值大于該中心點的閾值，由此則將該像素點的進行標記，其值為1，否則，將其標記為0。由此通過這樣的操作后，其紋理F則為：

對其進行二值化處理后則為：

通過計算，可得到以Pc作為中心點的窗口相鄰的8個像素為之所產(chǎn)生的二進制數(shù)，該二進制數(shù)由0和1構(gòu)成。通過該二進制將其轉(zhuǎn)換為十進制，其具體轉(zhuǎn)換的公式為：

通過公式（3）則可得到該窗口最終的LBP值。其示意圖則如圖1所示。

圖1　LBP算子示意圖

在圖1中通過LBP運算，得到：

LBP模式=11101001

LBP值=1+2+4+16+128+151

2　快速小波變換

該變換是建立在離散小波變換的基礎(chǔ)上產(chǎn)生的，其目的是提高離散小波變換的效率。該變換的高效性主要體現(xiàn)在Mallat人字形算法［7］，其核心則為鄰近尺度的離散小波變換系數(shù)間的關(guān)系，如圖2所示，則為快速小波的濾波器組。

圖2　快速小波變換濾波器組

在圖2當中，其中的hφ、hψ分別表示小波濾波器的系數(shù)的展開系數(shù)，Wφ（j+1，m，n）表示首次迭代輸入的值，Wφ（j，m，n）和其中的｝表示其輸出的尺度在J的時候的DWT的值。其中的hφ（-n），hψ（-m）分別與低通和高通濾波器對應。其具體的處理方法則為：

通過公式（4）將原本的圖像分為4個分辨率比較低的圖像。

3　基于LBP算法的改進

通過對小波變化和LBP算法基本原理的分析，要快速實現(xiàn)對特征提取，并提高圖像的識別率，就需要通過對圖片的分解，將其逐步分解為低分辨率的圖像。因此，針對LBP算法的改進，其主要步驟為：

圖3　改進LBP算法

通過小波濾波器將圖片分為N個大小相等的圖片，并分別對各自圖片的LBP值進行計算，并得到每塊LBP的直方圖，最后再對N個特征向量進行連接，得到總的特征向量。其具體的算法流程為：

STEP1：輸入訓練圖集

STEP2：按級對采集圖像進行分解，將其分為N個圖譜

STEP3：采用算法對分解的N個圖譜的LBP中進行計算

STEP4：對每個圖譜的直方圖進行計算

STEP5：連接最終向量

4　算法仿真

4.1仿真條件

在本文中，采用MATLAB軟件7.0版本對算法進行編程，并通過人臉匹配的方式對該算法進行檢驗和測試。MATLAB作為集合圖像圖形處理、數(shù)值計算、符號運算等為一體的編程軟件，其幾乎可以滿足所有的計算的需求。同時該軟件通過矩陣運算，從而決定其在對數(shù)字圖像的處理方面具有其獨特的優(yōu)勢。因此，本文選擇MATLAB軟件。實驗用的圖片則采用ORL圖像數(shù)據(jù)庫中的40人［8］，每人10張在不同表情、不同光照強度下的照片，總共400張。原始圖片分辨率為112*92。

4.2仿真結(jié)果

通過小波變換對圖片的分級，在本研究中僅僅做二級分級。ORL數(shù)據(jù)庫當中的圖片在經(jīng)過分解后，其第一次的分辨率56*46，得第二次分解分辨率為28*23。由此，通過aging數(shù)據(jù)可以看出，在經(jīng)過小波變換分解后，其分辨率、維數(shù)等都出現(xiàn)下降。

同時通過對特征的提取，可得到如圖4所示的結(jié)果。

通過表1可以看出，在ORL數(shù)據(jù)庫中得到的測試結(jié)果中，其分塊的識別率要明顯高于不分塊的結(jié)果。因此，可以證明改進算法要優(yōu)于傳統(tǒng)的LBP算法。

5　結(jié)　論

通過采用小波變換結(jié)合LBP算法，實現(xiàn)對視覺信息中圖像特征的提取，并提高圖像的識別率，說明改進算法要優(yōu)于傳統(tǒng)LBP算法，但是，但是針對小波分解的層級與識別率的關(guān)系還待進一步的探討。另外通過分解，雖然可提高圖像匹配的速度，但將圖像從高維度變?yōu)榈途S，也可能導致圖像信息出現(xiàn)失真，因此，還需要深入研究。

圖4　ORL圖像效果

表1　ORL數(shù)據(jù)庫測試結(jié)果

［1］張長江.數(shù)字圖像處理及其應用［M］.北京：清華大學出版社，2013.

［2］吐爾洪江·阿布都克力木，阿卜杜如蘇力·奧斯曼，艾木拉姑麗·卡得爾.基于二進小波變換及局部二值模式特征的圖像檢索［J］.計算機系統(tǒng)應用，2014（8）：198-202.

［3］高海闊，馬盛楠.基于ORL數(shù)據(jù)庫的快速人臉認證技術(shù)的研究［J］.科技傳播，2014（12）：218-219，214.

［4］王科俊，鄒國鋒.基于子模式的Gabor特征融合的單樣本人臉識別［J］.模式識別與人工智能，2013（1）：50-56.

［5］吐爾洪江·阿布都克力木，阿布都許庫熱·阿布都克力木，艾熱提·阿不力克木.基于二進小波變換的圖像閾值濾波法的性能分析 ［J］.新疆師范大學學報：自然科學版，2013 （2）：1-7.

［6］周家銳，紀震，沈琳琳，等.基于Gabor小波與Memetic算法的人臉識別方法［J］.電子學報，2012（4）：642-646.

［7］馬麗亞木·阿布來孜，艾力米努·阿布力江，吐爾洪江·阿布都克力木.一種基于二進小波變換的圖像邊緣檢測方法［J］.激光與紅外，2012（12）：1389-1392.

［8］蘇煜，山世光，陳熙霖，等.基于全局和局部特征集成的人臉識別［J］.軟件學報，2010（8）：1849-1862.

【相關(guān)參考文獻鏈接】

王常芳，朱賢良.LBP和2DDCT相結(jié)合的單幅人臉圖像識別［J］. 2015，23（12）：120-122.

陳北莉.基于視覺信息的移動機器人控制系統(tǒng)設計［J］.2015，23（3）：63-65.

曹利紅，徐志京.基于多層小波變換的壓縮感知圖像快速復原算法研究［J］.2015，23（3）：176-178.

劉玉霞，李拉成，張鵬.基于小波變換的光纖陀螺降噪預處理技術(shù)［J］.2015，23（7）：93-95.

何文.基于小波變換與模糊理論的醫(yī)學超聲圖像增強與去噪方法研究［J］.2015，23（12）：101-104.

周美麗，劉川.基于小波變換的數(shù)字水印技術(shù)的研究［J］.2015，23 （15）：162-163.

李欣.小波變換和模糊凸集投影相結(jié)合的圖像復原方法研究［J］. 2015，23（17）：182-184.

徐健，邵山.小波變換在電壓閃變信號中的檢測分析［J］.2016，24 （4）：155-157.

張濱，曹江濤，張一.小波變換法在輸油管道泄漏檢測中的應用研究［J］.2014，22（13）：106-108.

李鋒，劉芬，王寶忠.基于模糊PI控制的開關(guān)磁阻電機調(diào)速系統(tǒng)的MATLAB仿真［J］.2015，23（8）：114-117.

郭海雙，梁佳雯，張劭昀.MATLAB遺傳算法工具箱GADS優(yōu)化及應用［J］.2015，23（10）：27-29.

董陽，彭曉宏，吳艷偉.基于MATLAB的Sigma-Delta ADC中數(shù)字濾波器設計［J］.2015，23（10）：175-178.

張鵬.MATLAB仿真技術(shù)在電力電子技術(shù)實驗教學中的應用［J］. 2015，23（19）：146-148.

郭之亨，周華，李良榮.基于Matlab的數(shù)字音符實時顯示研究［J］. 2015，23（21）：12-14.

雷瓊.基于Matlab圖像分割的研究［J］.2015，23（21）：167-169.王建芳，陳斯養(yǎng).基于MATLAB的儲藥柜優(yōu)化設計［J］.2015，23 （22）：4-6.

宋璐，宋燕燕，馮艷平.基于MATLAB GUI的振動合成方法的研究［J］.2015，23（23）：43-45.

徐達峰，楊建波.TTNT數(shù)據(jù)鏈收發(fā)機消息處理機制的MATLAB仿真［J］.2015，23（23）：155-157.

韓海超，曾英，吳亞玲，等.基于MATLAB的證物還原技術(shù)的研究［J］.2016，24（4）：186-189.

Research on the extraction algorithm of image feature based on visual information

LI Rong，XU Yan-hua
（Taihu University of Wuxi，Wuxi 214064，China）

The visual information is automatically processed by the visual information from computer vision.As the important part of visual information，texture feature is the key of image feature extraction.For texture feature extraction，the traditional LBP algorithm as a kind of algorithm based on gray，confined to low resolution images and the recognition rate is usually low，put forward a LBP algorithm based on wavelet transform.The algorithm using wavelet transform local characteristics，direction and multi direction of，combined with LBP algorithm has its own rotation deformation，intensity and deformation characteristics，to through wavelet transform on high resolution image decomposition，through the second part value mode advantage，in order to achieve the extraction of image texture features.Through the comparison of MATLAB software programming with ORL database，the recognition rate of the improved algorithm is obviously better than the traditional LBP algorithm.

visual information；LBP algorithm；wavelet transform；ORL；texture feature

TP

A

1674－6236（2016）09-0188-03

2015-06-05稿件編號：201506058

李 榮（1978—），女 ，江蘇淮安人，碩士，講師。研究方向：數(shù)據(jù)挖掘、圖像處理、模式識別。