[发明专利]基于鲁棒旋转不变纹理特征的花粉图像分类识别方法

摘要

本发明提供的基于鲁棒旋转不变纹理特征的花粉图像分类识别方法，包括如下步骤：步骤一：对花粉图像进行归一化处理；步骤二：采用如下步骤对经步骤一处理后的花粉图像进行特征提取：(1)计算经归一化处理后的整幅花粉图像的主梯度方向；(2)计算像素块的梯度幅值；(3)自适应编码；(4)特征统计；步骤三：采用欧式距离分类器对花粉图像进行分类识别。本发明极大地减少了花粉图像在采集过程中引入噪声甚至发生旋转导致错误分类识别的情况，显著提高了花粉图像分类识别的准确度。

主权项

1.一种基于鲁棒旋转不变纹理特征的花粉图像分类识别方法，其特征在于，包括如下步骤：步骤一：对花粉图像进行归一化处理；步骤二：采用如下步骤对经步骤一处理后的花粉图像进行特征提取：(1)计算经归一化处理后的整幅花粉图像的主梯度方向，具体包括如下步骤：求出经归一化处理后的整幅图像中除边缘像素点外的所有像素点的梯度角，并对每个像素点的梯度角向下取整以得到8个方向值，进而将整幅图像的梯度方向离散化为向下取整得到的8个方向；将所有像素点的梯度幅值分别加权到8个离散方向，取最大的梯度累加值所在的方向为图像的主梯度方向；(2)计算像素块的梯度幅值，具体步骤包括：对于每一个像素块，将其主梯度方向上的所有像素点的梯度幅值累加并作为该像素块的梯度幅值，记为G(Br,P,m,i)，其中，Br,P,m,i是处于半径r上的大小为m×m的圆形邻域像素块，P是圆形邻域的采样点数，i是圆形邻域像素块的编号，m为像素块的边长；整个像素块的梯度幅值即为所有像素点在主梯度方向上的梯度累加值；(3)自适应编码，具体步骤包括：计算圆形邻域像素块Br,P,m,i与中心像素块Bc,m的梯度差；然后参照梯度差给各圆形邻域像素块编码，取使梯度差值最大的圆形邻域像素块的编号为初始编码点D，然后从初始编码点开始按逆时针顺序依次给相应位置的二进制码分配权重；最后求得的十进制值即反映了中心像素点xc周围的纹理信息，具体计算公式如下：其中Dec(x_c)表示中心像素点x_c纹理特征的十进制值，S(x)为符号函数，旨在对邻域像素块进行二进制编码，定义如下：(4)特征统计，具体步骤包括：将所有像素点的纹理特征的十进制值用直方图统计，所得直方图即代表了花粉图像的纹理特征；步骤三：对所述步骤二中得到的直方图进行相似度计算，并采用欧式距离分类器对花粉图像进行分类识别。