[发明专利]基于扩展四元局部二值模式的彩色图像特征提取方法

说明书

本发明涉及一种基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：输入一幅RGB彩色图像，并在RGB彩色空间中计算梯度特征；将彩色图像和梯度特征图像用四元数进行表示；在四元数域计算模和相位特征；对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；将所得三个特征直方图级联，作为最终的特征来描述彩色图像。本发明一种基于扩展四元局部二值模式的彩色图像特征提取方法，能够同时处理彩色图像的各个通道，提高传统LBP方法对彩色图像的描述能力。

技术领域

本发明涉及数字图像处理、计算机视觉领域，具体涉及一种基于扩展四元局部二值模式的彩色图像特征提取方法。

背景技术

利用现代化计算机和多媒体技术进行视觉任务时，通常使用特征提取算法(即图像描述符)来获取图像的特征信息，然后利用所获取的图像特征描述图像。许多研究者认为图像特征提取是任何计算机视觉和数字图像处理问题中最关键的步骤之一，提取特征的优劣直接影响视觉任务的最终性能。因此，图像特征提取方法具有重要的研究价值。

近年来，图像特征提取方法逐渐成为计算机视觉和模式识别领域研究的重要课题之一，并提出了各种各样的图像特征提取算法。其中代表性的方法有：灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)、尺度不变特征变换(Scale Invariant FeatureTransform,SIFT)、梯度方向直方图(Histograms of Oriented Gradients,HOG)、局部二值模式(Local Binary Pattern，LBP)等。LBP方法具有计算复杂度低、线性灰度不变性、无需训练学习和易于工程实现等众多优点，因此被广泛应用于纹理分类、人脸识别、图像检索和行人检测等领域。

随着成像技术和多媒体技术的快速发展，彩色图像逐渐取代了传统的灰度图像，而对于人类的视觉系统而言，颜色是最主要且具有区分力的视觉特征。但是包括GLCM、SIFT、HOG和LBP等绝大多数图像特征提取算法都是将彩色图像转化为相应的灰度图像来处理。针对彩色图像的处理，基于LBP的特征提取方法通常采用两种做法，一种是将彩色图像转化为灰度图像进行处理，另一种是分别在彩色图像的每个通道进行处理。第一种做法没有利用图像的任何颜色信息，而第二种做法未考虑各个彩色通道之间的相关性。为了能同时处理彩色图像的各个通道，研究者利用纯四元数(实部为0)来表示彩色图像的三个通道，这使得四元数的相位特征无法被利用，而四元数的相位特征包含了实部与虚部之间的相互关系。针对以上不足，本发明提出一种基于扩展四元局部二值模式的彩色图像特征提取方法。

发明内容

本发明所要解决的问题是提供一种基于扩展四元局部二值模式的彩色图像特征提取方法，所述方法能够同时处理彩色图像的各个通道，提高传统LBP方法对彩色图像的描述能力。

本文发明解决上述问题的技术方案如下：一种基于扩展四元局部二值模式的彩色图像特征提取方法，包括以下步骤：

步骤1，输入一幅RGB彩色图像，获得R(红色)、G(蓝色)、B(绿色)三个通道分量，并在RGB彩色空间中计算图像的梯度特征，得到梯度特征图；

步骤2，将彩色图像和梯度特征图像用四元数进行表示；

步骤3，在四元数域计算模和相位特征，得到模特征图和相位特征图；

步骤4，利用LBP算子分别对梯度特征图、模特征图和相位特征图提取LBP特征，并计算统计直方图；

步骤5，将梯度特征图、模特征图和相位特征图提取LBP特征后所得的三个特征直方图级联，作为最终的特征来描述彩色图像。

本文发明与现有技术相比具有以下优点：

第一，本发明结合四元数的代数性质能够同时处理彩色图像的所有通道，考虑了各个彩色通道之间的相互关系；