图像检索中LBP纹理谱旋转不变性的研究.docVIP

图像检索中LBP纹理谱旋转不变性的研究 　　摘要：图像检索是要找到图像库中的相似图像。LBP纹理谱对旋转比较敏感，针对这一问题，将一个LBP纹理谱基元旋转一定的角度后得到的新纹理谱当成具有视觉一致性的纹理谱基元，将具有视觉一致性的所有纹理谱基元合并成一个，这个可以降低特征值的维度，而且可以解决图像旋转影响相似度计算的问题。用此纹理谱进行纹理图像描述，用纹理基元直方图进行检索，结果表明查准率比用规范化的LBP纹理谱进行检索有明显提高，检索效果较好。 　　关键词：LBP纹理谱；数理分析；旋转不变；图像检索 　　中图分类号：TP317.4 文献标识码：A 文章编号2013）009016003 　　作者简介：张翠（1985-），女，桂林理工大学博文管理学院助教，研究方向为网络控制、图像处理；杨志清（1965-），男，桂林理工大学博文管理学院高级工程师，研究方向为制造自动化与信息化、不确定环境下控制与决策。 　　0引言 　　图像的纹理分析在计算机视觉、遥感等领域有着广阔的应用前景。纹理可以提供深度线索的信息和图像表面的方向性信息，人们也在试图利用不同尺度的纹理基元与3D表面图像建立联系。纹理特征是一种可以用来识别图像的客观信息，有许多图像检索算法采用纹理特征，文献[1]提出了一种用纹理特征进行检索的方法，采用了共生矩阵描述纹理。纹理特征有许多种表示方式，局部二值模式是其中的一种。 　　Ojala等[1]首先提出了局部二值模式（local binary pattern ， LBP）描述符，对LBP描述符的论述，奠定了LBP理论基础。近几年有很多关于LBP纹理谱的应用与改进的论文[2]。文献[3]针对LBP分析过程中窗口大小不可调整的问题，采用改进的Tamura粗糙度自适应调整模式分析窗口的大小，这种纹理分析方法更加符合LBP的设计思想。文献[4]用颜色相关图与LBP描述符分别提取图像的颜色特征与纹理特征描述图像。 　　传统的LBP纹理谱描述方法要用256维的特征值来描述图像的纹理，用这种纹理谱特征进行图像检索，计算复杂度较高，一些相似的纹理谱的特征值差异较大，检索效率较低，检索效果不佳。改进的CSLBP（center symmetric local binary pattern ， CSLBP）描述符只用16维特征值描述图像纹理，但是其描述能力不强，用来进行图像检索时，准确率较低。 　　本文针对传统的LBP纹理谱描述方法中同一个纹理旋转后特征值不同的问题进行改进，对纹理谱基元的表示方法进行改进。对一个纹理谱以及它旋转任一角度所得到的纹理谱归为一类，当一个图像的视角有一定变化时，同样可以识别出来。采用本文改进的纹理谱基元统计直方图的方法进行图像检索，准确率较高。 　　1传统LBP纹理谱描述符思想 　　局部二值模式（LBP）纹理是基于图像空间域局部关系的图像纹理描述算法。它的算法思想是：以一个像素点为中心，用其与相邻的像素点的变化来描述图像的局部纹量模式，一般用像素的八邻域元素与其比较。文献[1]又利用圆的思想，距中心的半径为R的像素与中心比较，然后确定局部的纹理特征。 　　局部二值模式纹理谱可以很好地描述图像纹理上的差异，但是对于纹理图像的旋转识别性不强。一个理想的描述、分类和识别纹理的方法应该能够捕捉感性的纹理结构的基本属性，它也应该是不随环境变化而变化[45] 。对于一个图像旋转一定的角度后可能出现完全不一样的局部二值模式纹理谱值。如图2所示。 　　图2是一个像素的八邻域形式，根据我们对局部二值模式纹理谱值的计算方法可以得到左图的局部二值模式纹理谱值为127，右边的图像中局部二值模式纹理谱值为191，如果从纹理值上来看，两个图像的差异非常大，实际上两个图像非常相似，只是转动了一个很小的角度而已。在我们的生活当中也会出现同样的情况，比如一个目标物以不同的角度拍摄就会产生不同的纹理谱值，实际上同一个目标物应当是相似的。图像检索系统的特点是要在图像库中找到与示例图像相似的图像，是一种分类、找同类的工作，而不是找差异的工作，我们也可以在这个过程中求同而存异。那么，这两个纹理有很大的相似性，左图只是右图旋转45得到的。在图像检索系统中，图像中的对象可能会因为种种原因产生一些角度上的差异，这样就把这些图像当作不同，与我们进行检索的初衷相悖。 　　2规范化局部二值模式 　　针对于图像中的模式对旋转比较敏感的问题，首先将一个中心像素周围的所有的像素分成两类，一类是灰度值比中心像素本身的灰度值要大的，另一类的灰度值小于或等于中心像素的灰度值。若这两类像素是集中分布在一起的话，那么可以很容易分出来，我们把这种像素分布的模式称作规范化的局部二值模式纹理谱[6]。对像素的八邻域模式，可能产生的模式如图3所示。