[发明专利]一种基于改进LBP特征提取的图像分类方法

说明书

本发明公开了一种基于改进LBP特征提取的图像分类方法，经典的LBP方法容易使得部分纹理缺失，倘若某中心像素值较大或者较小，就会失去其周围的部分纹理。为了避免这种情况的发生，本发明将阈值处理的方法进行改进，取九个像素值的最大与最小值，然后再取最大值与最小值的平均值作为其阈值，再与其周围八个像素值进行比较，重新计算LBP码，本发明通过新改进的方法将那些可能会失去的一些纹理特征更有可能的保留下来，使得其的鲁棒性更好，也能够将取得的特征效果提高。然后将提取出来的特征通过统计直方图显示出来，并且进一步形成特征向量，然后导入到分类器中，计算所提取特征的分类效果。

技术领域

本发明属于图像处理技术领域，涉及一种图像特征提取以及分类识别的方法，具体涉及一种基于改进LBP特征提取的图像分类方法。

背景技术

特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征提取的定义是对某一模式的组测量值进行变换，以突出该模式具有代表性特征的一种方法。通过影像分析和变换，以提取所需特征的方法。特征提取的方法又有那些呢？有HOG(Histogram ofOriented Gradient)特征提取，角点特征提取，SIFT特征提取，LBP(Local BinaryPatterns)特征提取等，然后在这些特征提取的基础上又衍生了一些的新方法，本发明是基于经典的LBP方法提出的一种改进的方法。

传统的LBP特征算法是一种定义简单、扩展方便、运算速度快，效率较高，而且容易实现的算法，但是也有一些不足之处，比如它的鲁棒性不是很好，对光照和旋转等一系列的影响都掌控的不是很好，所以需要在原来的基础上面进行改进，将它的一些性能提升。

发明内容

为了解决上述技术问题，本发明提出了一种基于改进LBP特征提取的图像分类方法。

本发明所采用的技术方案是：一种基于改进LBP特征提取的图像分类方法，其特征在于，包括以下步骤：

步骤1：取原始图像中的3×3的二维矩阵作为移动窗口，，其中二维矩阵的矩阵元素数值是每个像素点的灰度值；

步骤2：以二维矩阵中心像素为阈值，并对阈值进行处理；然后将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0；从而获得8位二进制数；

步骤3：按照权重的比例，将中心像素点周围的二进制数化为十进制数，得到LBP值，从而获得一个新的特征图像；

步骤4：把每个新的特征图像分成3×3的9个模块，并对每个模块进行直方图统计，获得九个统计直方图；

步骤5：连接9个统计直方图，形成一个特征向量，也就是整幅图的LBP纹理特征向量；

步骤6：将提取的特征向量导入到不同的分类器中进行分类。

本发明通过新改进的方法将那些可能会失去的一些纹理特征更有可能的保留下来，使得其的鲁棒性更好，也能够将取得的特征效果提高。然后将提取出来的特征通过统计直方图显示出来，并且进一步形成特征向量，然后导入到分类器中，计算所提取的特征效果。LBP特征已经成功应用于人脸检测，唇语识别，表情检测，动态纹理等等领域。

附图说明

图1流程图

图2为传统的LBP方法中图像进行特征提取矩阵图；

图3为本发明实施例的阈值处理前获得的矩阵图；

图4为本发明实施例的阈值处理后获得的矩阵图；

图5为本发明实施例的转化后的二进制图；