[发明专利]一种基于多尺度阈值的CLBP纹理图像处理方法在审
| 申请号： | 201810844874.3 | 申请日： | 2018-07-27 |
| 公开（公告）号： | CN110766022A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 李一兵;许晓春;李斌;汤春瑞;孙骞;酒铭杨;周子涛;耿笑语 | 申请（专利权）人： | 深圳市白麓嵩天科技有限责任公司 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46 |
| 代理公司： | 44241 深圳市智科友专利商标事务所 | 代理人： | 周小年 |
| 地址： | 518000 广东省深圳市罗湖区*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多尺度阈值的CLBP纹理图像处理方法。其方法包括以下步骤：在训练阶段和测试阶段，其中训练阶段训练好KNN分类器；在测试阶段，对输入的测试纹理图像数据集做类似操作，通过基于多尺度阈值的CLBP操作提取到特征后，将其输入到训练好的KNN分类器中，输出测试纹理图像的图像标签。根据本发明实施例的方法，通过一种基于多尺度阈值的CLBP方法，使提取的纹理特征同时包含了纹理图像局部区域和全局信息，特征提取的纹理信息更加全面，从而提高了分类准确性。 | ||
| 搜索关键词： | 纹理图像 多尺度 测试阶段 训练阶段 纹理图像数据 分类准确性 局部区域 全局信息 输出测试 特征提取 图像标签 纹理特征 纹理信息 测试 | ||
【主权项】：
1.一种基于多尺度阈值的CLBP纹理图像处理方法，包括在训练阶段和测试阶段，其特征在于：/n所述的训练阶段包括以下步骤：/n步骤1-1、输入待训练的纹理图像数据集；/n步骤1-2、对待训练的纹理图像数据集进行图像的标准化；/n步骤1-3、对待训练的纹理图像进行分层多尺度区域划分，分别求出每个划分层的分区域均值，通过对所有多尺度阈值层求和并取平均，得到最后的多尺度阈值；/n步骤1-4、根据多尺度阈值方案求取纹理图像多尺度阈值，基于多尺度阈值，提出基于多尺度阈值的CLBP特征，将CLBP的三个特征分量，通过融合和拼接的方式形成最终的联合特征直方图，得到训练纹理的图像特征；/n步骤1-5、将训练纹理图像特征和对应标签输入KNN分类器，训练KNN分类器；/n步骤1-6、输出训练好的KNN分类器；/n所述的测试阶段包括以下步骤：/n步骤2-1、输入待测试纹理的图像数据集，并对所述的图像数据集进行图像标准化；/n步骤2-2、对训练图像进行分层多尺度区域划分，得到最后的多尺度阈值；/n步骤2-3、根据多尺度阈值方案求取纹理图像多尺度阈值，基于多尺度阈值，提出基于多尺度阈值的CLBP特征，将CLBP的三个特征分量，通过融合和拼接的方式形成最终的联合特征直方图，得到测试纹理的图像特征；/n步骤2-4、将步骤2-3得到测试纹理的图像特征输入到训练好的KNN分类器中；/n步骤2-5、输出测试纹理图像标签。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市白麓嵩天科技有限责任公司，未经深圳市白麓嵩天科技有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810844874.3/，转载请声明来源钻瓜专利网。
