[发明专利]一种获得图像模糊不变纹理特征描述子的方法和系统

说明书

本发明公开了一种获得图像模糊不变纹理特征描述子的方法，属于计算机视觉与机器学习领域，该方法包括：采用滑窗方式将原始模糊图像划分为多个局部图像块，并将局部图像块划分为多个小单元；对每个小单元在特征图内部与特征图之间构造三个方向的梯度方向直方图，作为原始模糊不变纹理特征描述子LPQ++；将属于同一局部图像块内所有小单元对应的原始特征描述子LPQ++进行拼接，得到该局部图像块的局部特征描述子；对所有局部特征描述子进行Fisher Vector编码，获得模糊图像的特征描述子。本发明方法将通道信息与空间信息涵盖在特征描述子中，使其在保证模糊不变性的同时描述信息更加丰富，对纹理图像的判别能力更好，提高了模糊纹理识别的精度。

技术领域

本发明属于计算机视觉与机器学习领域，更具体地，涉及一种获得图像模糊不变纹理特征描述子的方法和系统。

背景技术

纹理识别作为计算机视觉与模式识别领域的一大基础研究问题之一，被广泛地研究与讨论。在图像保持清晰的条件下，纹理识别能够达到较高的精度；然而当图像变得模糊造成图像质量下降时，现有方法对于纹理识别的精度将会严重下降。

针对模糊纹理识别问题，现有的方法可分为两类，一类基于图像去模糊，利用传统描述子进行图像识别；另一类基于模糊不变特征直接进行识别。对于前者，由于模糊核函数的不确定与复杂性，很大程度地限制了该类方法的性能。对于后者，LPQ+是目前性能最好的模糊不变特征描述子，利用图像的局部相位对于中心对称模糊的不变性，将局部相位量化形成方向直方图，设计了一种模糊不变的特征描述子。

尽管LPQ+在模糊图像识别问题上取得了很好的表现，但为了保证特征的模糊不变性，LPQ+将提取过程限制在单一特征图内部，忽略了像素点邻域之间的信息关联性与不同特征图之间的联系，进而导致特征描述子中损失了图像中的上下文信息，一定程度上牺牲了特征的表达能力，使其在模糊图像识别中的表现受到很大限制。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种获得图像模糊不变纹理特征描述子的方法和系统，其目的在于解决现有LPQ提取过程限制在单一特征图内部，损失了图像的上下文信息，导致模糊图像的识别精度较低的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种获得图像模糊不变纹理特征描述子的方法，包括：

(1)采用固定尺寸的滑动窗口，以固定步长在原始模糊图像上滑动，获得多个局部图像块，并将每个局部图像块均匀划分为多个小单元；

(2)对每一个小单元提取原始模糊不变纹理特征描述子LPQ++；所述原始模糊不变纹理特征描述子LPQ++包括：每一张特征图内部的水平方向与垂直方向的梯度直方图，以及多张特征图之间的水平方向与通道方向的梯度直方图、垂直方向与通道方向的梯度直方图；

(3)将属于同一局部图像块内所有小单元对应的原始模糊不变纹理特征描述子LPQ++进行拼接，得到该局部图像块的局部特征描述子，多个局部图像块对应多个局部特征描述子；

(4)对所有局部特征描述子进行FisherVector编码，获得模糊图像的特征描述子。

进一步地，步骤(2)具体包括：

(2.1)对小单元对应的模糊图像中心像素附近m*m大小的区域进行短时傅里叶变换，并根据不同频率点获得多组频域图；

(2.2)根据模长对所述频域图对应系数进行归一化，并对归一化后的频域图分别提取其实部与虚部系数，得到多张模糊不变的特征图；

(2.3)在每一张特征图内部求取水平方向与垂直方向的梯度直方图，在多张特征图之间求取水平方向与通道方向的梯度直方图、垂直方向与通道方向的梯度直方图，将所有特征图对应的三组梯度方向直方图进行聚合拼接，获得原始模糊不变纹理特征描述子LPQ++。

进一步地，步骤(2.3)包括：