[发明专利]具有方向一致性的纹理图像的方向场估计方法

摘要

本发明具有方向一致性的纹理图像的方向场估计方法，包括以下步骤：步骤1：样本采集：采集样本的尺寸设为m×m，样本包括具有方向一致性的纹理图像子区域以及不包括纹理或具有其他类型纹理的子图像组成；步骤2：样本的方向标注；步骤3：使用Adaboost算法训练K+1类M层级联分类器；步骤4：利用训练好的分类模型对待处理纹理图像进行预测，给出方向估计。本发明方法将传统的纹理图像方向场估计问题转换为对局部图像的识别问题，采用的Haar特征和AdaBoost算法具有较好的实时性，为此类问题给出了全新的视角和详细的方法说明。

主权项

1.具有方向一致性的纹理图像的方向场估计方法，其特征在于，包括以下步骤：步骤1：样本采集：采集样本的尺寸设为m×m，样本包括具有方向一致性的纹理图像子区域以及不包括纹理或具有其他类型纹理的子图像组成，其中m是取样图像块的尺寸；步骤2：样本的方向标注：具体方法包括下面步骤2.1‑2.5：步骤2.1：将具有360°的方向变换到180°，设定纹理取向的有效范围为[‑90°～90°)，若纹理取向θ∈[90°，270°)时，通过θ＝θ‑180°将其变换至区间[‑90°～90°)；步骤2.2：将方向取值范围离散化：均匀分割[‑90°～90°)为K个区间，并为每个区间的定义标注值，其中K为方向区间数；步骤2.3：基于样本梯度信息计算样本的方向，其计算公式如下：其中，V_x、V_y分别是(u,v)处纹理方向向量的水平分量和垂直分量，为图像(u,v)处的水平梯度和垂直梯度，可用下式求解，其中f(x,y)为(x,y)处像素；θ为该样本方向；步骤2.4：根据步骤2.3计算的样本方向及步骤2.2划分的方向区间，为每个样本赋予标注值，作为其样本标签；步骤2.5：人工检查方向标注，剔除或改正标注明显错误的样本；步骤3：使用Adaboost算法训练K+1类M层级联分类器，其中K为方向区间数，M为设定的Adaboost分类器级联的层数，具体方法包括下面步骤3.1‑3.3：步骤3.1：选取边缘(Edge features)、线性(Line features)、中心(Center‑surround features)Haar特征；步骤3.2：使用AdaBoost算法训练得到每层分类器，设定其识别率和误识率分别为r，f；步骤3.3：级联分类器：上一层未被正确识别的样本，继续输入下一层训练，最终得到M层级联分类器，则最终的识别率为r^M，误识率为f^M，其中r、f分别为每一层AdaBoost强分类器的识别率和误识别率；步骤4：利用训练好的分类模型对待处理纹理图像进行预测，给出方向估计：具体方法包括下面步骤4.1‑4.3：步骤4.1：初始化方向图为无效方向；步骤4.2：从纹理图像左上角开始，依次取(m+d)×(m+d)的图像块作为分类器输入，取样窗口每次移动[m/a]，其中m是取样图像块的尺寸、d为额外增加的尺寸、a为控制平移的大小；步骤4.3：处理识别结果：选择具有最大概率的类别作为识别的类别结果，设定图像块中心([m/a])×([m/a])区域为预测的方向。