专利名称：一种基于Hilbert曲线和LBP的图像局部特征提取方法
技术领域：
本发明涉及一种模式识别特征提取方法，属于模式识别技术领域。
背景技术：
图像识别领域中的特征提取是至关重要的一步，其中纹理特征提取方法是目前的——个热点。参考文献T. Ahonen, A. Hadid, and M. Pietikainen/7 Face Description with Local Binary Patterns -Application to Face Recognition, " IEEE Transactions onPattern Analysis and Machine Intelligence, vol. 28,no. 12,pp. 2037-2041,2006.中介绍一种局部二值模式特征，是当前模式识别领域一个重要方法，它能够提取图像中的纹理特征的分布，在很多纹理识别，分析领域取得非常好的效果。但是该方法没有考虑在某个区域内的局部二值特征之间的关系。事实上，利用区域内特征点之间的空间关系提取更多的细节信息，所以局部二值模式在刻画图像时候，具有一定的局限性。
发明内容
本发明的目的是为了解决现有的图像识别技术中存在的局限性问题，提出了一种基于Hilbert曲线和LBP的图像局部特征提取方法，该方法采用Hilbert曲线将图像的LBP特征按照一定的顺序排列，该顺序能够保证所得到的特征向量包含特征点之间的空间相邻关系，从而提高模式识别系统的识别性能。本发明提出了一种新的局部特征提取方法，利用Hilbert特征获得局部特征间的空间相邻关系。具体方法的实现如下第一步，获取输入对象，并进行滤波去噪等预处理。第二步，LBP特征提取。对输入图像中的所有的点计算一阶差分，然后进行二值量化，则获得一阶差分码特征。另外，以点为中心的3x3 (或者其他的指定大小的区域)大小的区域的结果串接在一起构成一个二值字符串，称之为一阶差分码模式，将二值字符串转换成十进制数就是点的LBP特征。步骤三，hilbert曲线的选择及高阶特征提取。在步骤二的基础上，在某个区域内，根据区域内像素或者划分的图像子块选择合适的hilbert曲线阶数,将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量。若是区域细分成一些子块，先统计子块内的LBP直方图，然后再将子块看做一个点，以Hilbert的顺序排列，然后将子块对应的直方图按照相应的顺序串联起来，获得一个特征向量。为了保证特征的鲁棒性，可以对获得的向量做离散余弦变换或者离散傅里叶变换，取前η个系数作为最终的特征。本发明的优点在于(I)该方法容易实现，只涉及到简单的差分，二值化，特征排序；(2)复杂度低，差分和二值化的计算复杂度都很低；
(3)通过对图像区域内特征点按照空间相邻顺序排列，获得了更完整的图像纹理Ih息的提取，提闻目标识别的性能。
图I为本发明方法的流程框图；图2Zx,y八个近邻元素的例子示意图；图3(a)，(b)，(C)为Hilbert曲线生成系统中符号的几何解释；图4为hilbert曲线示意图。
具体实施例方式下面结合附图和实施例对本发明的方法进行详细说明。本发明提出的基于hilbert曲线及Ibp的目标提取方法，针对输入的图像或者对象进行空间有序特征提取。具体实现步骤如下步骤一获取输入对象信息。所述的输入对象信息是指通过摄像头或者各种传感器输入的图像，比如人脸，掌纹等图像，并进行Gabor变换处理。步骤二、LBP特征提取。对于图像上的每一个像素点，取其周围相邻的8个像素点，分别与这8个点的灰度值做差分，然后对差分结果按阈值进行编码，构成一个八位的二进制数，该二进制对应的十进制数即为该像素点的LBP特征值。以图2所示为例，图像I(Z)中的某个点Zx, y的八近邻示意图，它构成了一个局部区域，区域大小为3X3，本发明以这个点Zx,y作为例子来讲解具体的实现步骤，输入图像中的所有的点都将进行同样的处理，下面介绍LBP的提取过程。获取图像I (Zx,y)后，沿着α角度方向的一阶差分表示为Γ a,d(Zx,y)，则r a,d(zx,y) = I(zx,y)-I(zx_d,y_d)其中a，(1分别表示方向和邻域点距离当前中心点的增量信息，如a为O。,45°，90°和135°等等，也可以是其他的角度。设Zx,y为I(Z)中的一个中心点，而且d表示沿着a方向上中心点和邻近点之间的坐标的增量。本发明以0° ,45° ,90°和135°，以及d =I为例，来阐述如何计算中心点Zx,y的四个一阶差分，具体可以写为I' H(ZxX)-U(I)I' 45。，JZx,,) = I(Zxiy)-I(Zm1)⑵I' 90. a(Zx,y) = I(Zxiy)-KZx,^)(3)I' H1(ZxJ=Idy)-IU (4)以上的公式中，0°对应的点涉及到I (Zx, y)，I (Ζχ )，45。涉及到I (Zx, y)，I (Zjri,H)，90。涉及到I (Zx, y)，I (Zx, ")，135°涉及到I (Zx, y)，I (Zx+1, ，角度和点对之间具有
对应关系。I (zx,y)表不的是像素点灰度值。 阈值函数f ()用于对特定方向的差分结果进行二值化编码，则可利用阈值函数定义差分码f(r a,d⑵)为:
权利要求
1.一种基于Hilbert曲线和LBP的图像局部特征提取方法，其特征在于如下步骤 第一步，获取输入对象，进行预处理，滤波去噪； 第二步，对输入图像中的所有的点计算一阶差分，然后进行二值量化，则获得一阶差分码特征； 第三步，在某个区域内，根据区域内像素或者划分的图像子块选择合适的hilbert曲线阶数，将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量。
2.根据权利要求I所述的Hilbert曲线和LBP的图像局部特征提取方法，其特征在于步骤三的具体步骤为 在步骤二的基础上，在某个区域内，根据区域内像素或者划分的图像子块选择合适的hilbert曲线阶数,将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量；若是区域细分成一些子块，先统计子块内的LBP直方图，然后再将子块看做一个点，以Hilbert的顺序排列，然后将子块对应的直方图按照相应的顺序串联起来，获得一个特征向量；对获得的向量做离散余弦变换或者离散傅里叶变换，取前n个系数作为最终的特征。
全文摘要
本发明涉及一种基于Hilbert曲线和LBP的图像局部特征提取方法，该方法采用Hilbert曲线将图像的LBP特征按照一定的顺序排列，该顺序能够保证所得到的特征向量包含特征点之间的空间相邻关系，从而提高模式识别系统的识别性能。该局部特征的提取方法为具体为如下第一步，获取输入对象，并进行滤波去噪等预处理；第二步，LBP特征提取；步骤三，hilbert曲线的选择及高阶特征提取。本发明方法容易实现，只涉及到简单的差分，二值化，特征排序；复杂度低，差分和二值化的计算复杂度都很低。
文档编号G06K9/46GK102663399SQ20121011060
公开日2012年9月12日 申请日期2012年4月16日 优先权日2012年4月16日
发明者薄占滨 申请人:北京博研新创数码科技有限公司