[发明专利]空域共生图像表示方法及其在图像分类、识别中的应用

说明书

【技术领域】

本发明涉及图像处理技术领域，尤其涉及一种空域共生图像表示方法，以及用所述图像表示进行图像分类和识别的方法。。

【背景技术】

对图像的信息进行快速准确的描述一直都是图像分类和图像识别技术中研究的重难点。现有技术中图像特征的提取方法大多为围绕图像的颜色、纹理、形状和空间关系展开的，这些方法虽可描述图像的局部特征，但是忽视了图像中局部相邻区域的相关性。在一个自然图像中，空间上相邻区域总是存在着很大的相关性，而这种相关性又在一定程度上反映了更复杂的图像结构，所以如何有效地捕捉这种相关性是非常重要的。现有技术“Textural Features for Image Classification”（R.Haralick,K.Shanmugam and I.Dinstein,IEEE Trans of Systems,Man and Cybernetics,1973）提出描述空域的灰度像素值共生，将一定范围空间内像素的相关性因素即灰度共生作为图像的重要信息，但是由于自然图像存在光照，旋转，尺度等变换，该现有技术中提出的空域的灰度共生是容易受到光照变化的影响，空域的灰度共生特征由于对光照的敏感而无法作为图像信息对图像进行准确描述。

【发明内容】

本发明旨在解决上述现有技术中存在的问题，提出一种空域共生的图像表示方法，包括：

对输入图像提取采样点，提取采样点局部特征；

对采样点的局部特征进行量化索引，获得索引值；

根据索引值统计获得图像空域共生特征。

进一步地，所述提取采样点的方法为密集采样或兴趣点检测。

进一步地，所述兴趣点为DoG兴趣点或Harris角点。

进一步地，所述采样点的局部特征为像素块值，SIFT（尺度不变的特征变换）特征、LBP（局部二值模式）特征或HOG（梯度方向直方图）特征。

进一步地，所述根据索引值统计获得图像空域共生特征的具体步骤为根据两个或多个索引在空域中同时存在的频度或强度的统计结果获得图像空域共生特征。

本发明还提供了一种利用上述的图像表示进行图像识别的方法，包括：

对输入图像提取采样点，提取采样点局部特征；

对采样点的局部特征进行量化索引，获得索引值；

根据两个或多个索引值在局部图像区域内的共生统计量获得图像空域共生特征；

以图像空域共生特征表示作为分类器输入，根据样本的类别属性，用分类识别算法对不同类型样本进行分类器训练，得到不同类型图像的分类器；

用不同类型图像的分类器对待测图像进行判别，对比不同类型图像的分类器的判别结果，选取分类器输出分数最大的类别作为图像识别结果。

进一步地，所述分类器为SVM（支持向量机）分类器、KNN（最邻近）分类器、Random Forest（随机森林）分类器或Bayesian（贝叶斯）分类器。

进一步地，进行不同类型样本的分类器训练时所用分类器为SVM分类器，所述SVM分类器为线性支持向量机，将图像空域共生特征进行直接特征映射，用映射后所得特征进行不同样本的关系描述和计算。

进一步地，所述识别方法在对图像提取采样点前进一步包括以下步骤：根据不同分辨率对图像进行分块,并将各分块图像的区域共存特征进行集成。

本发明另外提供了一种利用上述的图像表示进行图像分类的方法，包括：

对输入图像提取采样点，提取采样点局部特征；

对采样点的局部特征进行量化索引，获得索引值；

根据索引值统计获得图像空域共生特征；

根据图像空域共生特征将图像分类到预定义内容的类别。

本发明最后提供了一种图像识别系统，包括：

采样模块，用以对输入图像提取采样点；

特征提取模块，用以获得图像采样点的局部特征；

索引模块，用以根据图像采样点的局部特征进行量化索引；

空域共生特征模块，用以根据两个或多个索引在空域中同时存在的频度或强度的统计结果获得图像空域共生特征；

训练模块，用以根据样本的类别属性，用分类识别算法对不同类型样本进行分类器训练，得到不同类型图像的分类器；

识别模块，用以对待测图像进行判别，对比不同类型图像的分类器的判别结果，选取分类器输出分数最大的类别作为图像识别结果。

进一步地，所述识别系统还包括图像分块模块，用于在提取采样点前根据不同分辨率对输入图像进行分块。