增强型局部二值模式及其图像纹理特征提取.pdf
《增强型局部二值模式及其图像纹理特征提取.pdf》由会员分享,可在线阅读,更多相关《增强型局部二值模式及其图像纹理特征提取.pdf(9页珍藏版)》请在咨信网上搜索。
1、260第40 卷第6 期2023年6 月真机计仿算文章编号:10 0 6-9348(2 0 2 3)0 6-0 2 6 0-0 8增强型局部二值模式及其图像纹理特征提取申柯,陈熙*(贵州师范大学大数据与计算机科学学院,贵州贵阳550 0 2 5)摘要:局部二值模式(Local binary patterm,LBP)是一种非常有效的图像纹理描述算子。为了提取更丰富的人脸特征,提出了局部二值模式和环式二值模式(RingLocal binary pattern,RLBP)特征融合的增强局部二值模式算法。先用LBP算法对图像进行特征提取并转化为特征向量,再将其与使用RLBP算法生成的特征向量相融合。最
2、后使用直方图交叉距离计算特征向量的相似度得到在数据集中的识别率。实验数据集选用ORL、Ex t e n d Ya l e B人脸数据库以及掌纹数据库,实验结果表明,相对于LBP算法和其它融合算法提取到的图像特征而言,融合算法提取的特征更具有鉴别力,获得了更高的识别率。另外还在不同的噪声环境下进行了相关实验分析,证明了所提融合算法对噪声更具有鲁棒性。关键词:局部二值模式;环式局部二值模式;图像纹理特征提取;特征融合中图分类号:TP391.4文献标识码:BEnhanced Local Binary Pattern and Its ImageTexture Feature ExtractionSHE
3、N Ke,CHEN Xi(School of Big Data and Computer Science,Guizhou Normal University,Guiyang Guizhou550025,China)ABSTRACT:Local binary pattern(LBP)is a very effective texture descriptor.In order to extract more abundantface features,we proposed an enhanced local binary pattern algorithm combining local bi
4、nary pattern and ring local bi-nary pattern(RLBP).Firstly,LBP was used to extract the image features and transform them into feature vectors.Then,the feature vector extracted in the first step was fused with the feature vector generated by RLBP.Finally,thehistogram cross distance was used to calcula
5、te the similarity of two feature vectors to obtain the recognition successrate in the data set.ORL,Extend Yale B face database and palmprint database were selected as the experimental dataset.The experimental results show that our proposed algorithm has more abundant discriminant information withhig
6、her average recognition rate compared with LBP and other related fusion algorithms.Some experiments have alsobeen done with noisy images and experimental results have proved that the proposed fusion algorithm is more robustunder noise environment.KEYWORDS:LBP;RLBP;Image texture feature extraction;Fe
7、ature fusion1引言纹理是图像的一种重要特征,自2 0 世纪6 0 年代以来一直是深人研究的主题,它在图像分割,基于内容的图像检索、视频监控、运动检测、远程遥感、生物特征识别、计算机图形和图像纹理合成等领域得到了广泛的研究与应用。特别基金项目:国家自然科学基金资助(项目号(6 17 6 2 0 2 2);贵州师范大学2 0 17 年博士科研启动项目(0 517 0 7 5);贵州师范大学2 0 17 年度学术新苗培养及创新探索专项项目(黔科合平台人才2 0 17 57 2 6)收稿日期:2 0 2 1-0 9-166修回日期:2 0 2 1-11-17是近年来随着人工智能研究的不断发
8、展,图像纹理识别已经是计算机视觉领域最热门的研究方向之一。图像纹理识别技术在不断追求自身优化创新的同时,也为其它领域带来了极大的便利,受到了其它领域广泛的关注。特征提取是纹理识别中很重要的一个环节,很多人把特征提取作为研究的重点。比较常用的有Gabor小波2 、主成分分析(PCA)3、梯度方向直方图(HOG)【4 和局部二值模式(LBP)5等算法。其中,Gabor小波性能非常高,但计算复杂度也高。PCA是对图像的全局特征进行提取,易受到人在不同姿态下和不同光照的影响,得到的结果往往不能令人满意6 。HOG算子在求取图像梯度的时候忽略了中心像素点261的作用,导致梯度特征提取准确性降低7 。目前
9、,一类研究和应用都比较广泛的是纹理特征提取方法是Ojala等8 在1994年提出的LBP算法。LBP算法可以提取人脸局部特征,该算法具有旋转不变性和灰度不变性等优点9,对不同姿态和光照有很好的鲁棒性,但是容易缺失部分纹理细节而且对方向信息敏感。就人脸识别来说,由于LBP算法能够很好的描述人脸的局部特征,所以近年来针对LBP算法的研究比较多。并且从不同角度(比如:降低噪声、编码方式、旋转不变性、降维等)进行扩展与深人研究。Dongl10等利用LBP在YaleB人脸数据库中取得8 7.6 5%的识别率。Chakraborty1等提出局部矢量模式与广义距离局部二值模式,提高了识别精度。Dan12等提
10、出了JLBP(Jo i n t Lo c a l Bi n a r y Pa t t e r n s)算子,考虑了不同尺度LBP特征之间的关系。为了降低噪声的影响,Hafi-anel13等提出MBP(Median Binary Patem)算子进行了降噪处理。Girish14等使用多尺度局部二值模式与PCA结合,在JAFFEE和INDIAN数据库上进行识别,取得了很好的效果。李闻15 等提出了局部二值模式与中心对称局部微分模式(C S-LD P)自适应特征融合算法,融合特征获得更丰富的图像纹理信息,本文受到其启示,把局部二值模式与环式局部二值模式进行融合,对人脸图像进行识别,改善了人脸识别算法
11、的性能,获取了更全面的人脸图像纹理特征。同样,在生物特征识别中,掌纹识别也是一个重要的研究方向。掌纹识别的应用领域也很广泛,比如犯罪现场取证、门禁等等,而且与其它生物识别的技术相比,掌纹识别有着易采集、具有细节点和主线等、辨识度高的优势16 。局部纹理算法对掌纹可以进行很好的描述,非常适合用来进行掌纹识别的研究。上述提出的融合算法同样也可以在掌纹数据库上进行识别,并且经过实验验证取得了良好的识别性能。在以上提及的三个数据库上进行了一系列实验,包括图像分块实验、在不同样本数下的识别率实验、多分辨率实验、噪声环境下的识别率实验以及对各算法复杂度进行了评价。2算法简介以及融合算法2.1局部二值模式(
12、LBP)LBP是一种用来提取局部纹理特征的纹理描述符。许多研究中,在准确性和计算复杂性方面展现了其出色的结果。对3x3的像素单元进行特征提取,它能够很好地描述图像的纹理特征,具有旋转不变性和灰度不变性等优点。尽管LBP在计算机视觉和模式识别领域取得了巨大的成功,但其潜在的工作机制仍有待进一步研究。为了能够处理不同尺度的纹理,LBP被扩展到使用不同大小的邻域。对于原始LBP算法,其算法的基本思想是:取图像中的任意像素点作为中心像素点,以3x3像素矩形区域作为邻域,对其进行编码。将中心像素值与其邻域像素值逐一进行比较,若中心像素值大于邻域的像素值,该点记为0,反之记为1。例如在图1(a)中所示,为
13、33的像素单元,LBP计算过程为:开始X先与X。进行比较,X,的对应位置值6 6 小于X。对应位置的值8 8,所以X,,对应位置的值记为0;再比如X,与X。进行比较,X,对应位置的值91大于X。对应位置的值8 8,所以Xs对应位置的值记为1,比较过程如图1(6)所示。通过一轮计算就得到了其邻域的8 位二进制数,分别乘以它们对应的权值将其转换为相应的十进制数代替中心像素点的值。从X像素点开始依次与中心像素X。值8 8 进行比较,得到二进制编码为0 1110 0 0 0,此时X。处的像素值变为12 0。X。XXX(a)11466460064128101111000958856阀值化0权值32212
14、08991801684(b)图1(a)为像素单元(b)为原始LBP算子图像中心像素点X。的LBP值通过如下式(1)得到f(x。,y)=Zg(a,-a.)2(1)原始LBP算子利用阈值函数对中心像素与其33邻域之间的差值进行编码,并对阈值进行2 的幂求和。基本LBP的阈值函数可以定义为(1,x0(2)g0其中,X,i=1,2,,8 为中心像素X。周围的8 个邻域点,(x。,y。)为中心像素点X。处的LBP值;a;为邻域点像素值;。为中心点像素值;g(x)为阈值函数。直到识别出所有像素点的LBP值后,构建一个直方图来表示纹理图像,其中包含了图像中边缘、纹理等局部特征的分布信息。2.2环式局部二值模
15、式(RLBP原始的33LBP算法只考虑了中心像素点与其邻域像素点之间的关系,并没有考虑其与间隔像素点之间的关系。若考虑中心像素与其间隔像素之间的关系,邻域范围就必须由33扩展到44的像素单元,这无疑大大提高了算法的计算复杂度。经过思考与实践,本文提出的RLBP算法在不用扩展邻域范围的情况下得到间隔像素的关系。该算法的基本思想是在33邻域范围内,以中心像素点左上方像素点X,为起始点,与顺时针方向取间隔为1的点进行比较,例如在图2 中,RLBP算子为33的像素单元,RLBP计算过程为:开始X,先与X,进行比较,X,的对应位置值6 6 大于X,对应位置的值56,所以X,对应位置的值记262为1;再比
16、如X,与X4进行比较,X,对应位置的值46 小于X4对应位置的值8 0,所以X,对应位置的值记为0。以此类推,进行8 次比较得到一个八位二进制数,二进制编码为11100000,此时X。处的像素值变为2 2 4。114664611100000958856阅值化224899180图2RLBP算子图像中心像素点X。的RLBP值通过如下式(3)得到g(a.+2)27f(x。,y。)=(3)=0基本RLBP的阈值函数可以定义为(1,x0g(x)(4)(o,x0其中,其中,X,i=1,2,8为中心像素X。周围的8 个邻域点,f(x。,y。)为中心像素点X。处的RLBP值;a;为中心像素点的邻域点的像素值;
17、i+2为与a;相间隔点的邻域像素值;g(x)为阈值函数。此算法虽然在33邻域范围内实现了间隔像素之间的关系,但是缺陷很明显,没有考虑到原始中心像素点的值。为了使得既能在3x3邻域内考虑到间隔像素点之间的关系,又能考虑到与中心像素点之间的关系。下面将本文提出的RLBP与原始的LBP算法进行融合,同时解决了这两个算法的缺陷,实现了在3x3邻域内同时兼顾相邻像素点和间隔像素点的联系。2.3融合算法融合算法使得LBP算法和RLBP算法之间互补,同时解决了两个算法的缺陷。在33邻域内获得了中心像素点与相邻像素点和间隔邻域之间的关系。在没有扩大邻域范围的情况下提取到更加丰富的图像特征识别信息,经过实验验证
18、,在很多方面都取得了更好的识别效果,与其它几种算法相比识别率有所提高。融合算法流程如图3所示,图3中使用融合算法进行提取纹理特征的步骤如下:1)选定某个数据集,在此数据集中随机选取n张图像作为训练集数据,剩余图像作为测试集来测试性能。并且对每幅图像进行分块处理,假设下图中原始图像I被均匀分割成若干不重叠的44的正方形子块()(h=0,1,2,15),在每个子块上进行操作,使得算法提取的特征更加精细。2)首先在训练集图像中每个小块上分别使用LBP和RLBP算法对原始图像进行特征提取,各子块提取的特征为Tbp-rp(h=,15)。然后计算 BP-rp(h=,.,15)的直方图特征,记作HBPp+R
19、LBp(h=0,1,2,15)。将一张图像中所有分块的直方图特征进行融合(图3)。最后将LBP提取的特征直方图和RLBP提取的特征直方图融合成一个大的直方图模板(图3),融合方式如图3所示。图像LBP特征提取(原始图像)融合不同算法的直方图特征向量RLBP特征提取融合不同分块的直方图特征向量图3特征向量融合2633)使用直方图交叉距离计算出训练集和测试集之间的最小距离进行匹配,以确定是否为同一个人的人脸图像,假设训练集图像1和测试集图像P两幅图像特征分别为PLBP+RLBP=HLIP+RLBp,然后计算识别成功率。其中直方图交叉距离式如式(5)所示X(ILBP+RLBP,PLBP+RLBP)Y
20、LBP+RLBp(m)-PLBP+RLBp(m)(5)ILuBp+RLBp(m)+PLBp+RLBp(m)j?n=1m=其中,Y表示的是融合子图像数量,Z表示的是所生成融合特征向量的长度。3实验结果与分析为了验证本文改进算法的有效性与准确率,在两个人脸数据集:ORL人脸数据集和ExtendYaleB人脸数据集以及一个掌纹数据库:香港理工大学PolyU掌纹图像数据集上进行了一系列实验。并且做了大量的对比实验,与LBP、R LBP、CS_LBP、C S_LD P、LBP与CS_LDP的融合算法多种同类算法进行了比较,证明了本文提出的融合算法在一些方面的优势。为了验证融合算法在噪声干扰下的鲁棒性,本
21、文还进行了抗噪声实验以及对比实验,为数据集图像添加了椒盐噪声以及泊松噪声进行实验。最后对各算法复杂度进行了分析。3.1图像数据集ORL人脸数据集是由英国剑桥的Olivetti研究实验室在1992年4月至1994年4月期间创建的。其中包含40 0 张图像,其中包括40 个人,每人10 张在不同的时间、不同的光照、不同的面部表情(睁眼/闭眼,微笑/不微笑)和面部细节(戴眼镜/不戴眼镜)环境下采集的,是人脸识别常用的数据集之一。图4(a)是该在数据集中截取的图片。本文实验中,采用双线性插值将每幅图像大小调整为6 46 4像素进行预处理。图4(b)截取的是Yale大学创建的ExtendYaleB人脸数
22、据集,该数据集包括38 个人,每人6 4张,共2 432 张在不同光照、不同表情和不同姿态下的人脸图像。根据摄像机与实验者人脸的方向角(12,2 5,50 7 7,90)将每个人的6 4张照片分为5个子集,每人每个子集的人脸数目分别为(7,12,12,14,19)。在本实验中同样将其进行预处理为6 46 4像素大小的图像。图4(c)是从香港理工大学PolyU掌纹图像数据集中截取的部分图像,PolyU掌纹数据库包含7 7 52幅BMP图像格式的灰度图像,对应38 6 个不同的掌纹。该数据集中所有原始掌纹图像的分辨率为38 42 8 4像素,在本文实验中所有的图像均被调整为6 46 4像素大小。(
23、a)ORL人脸数据集中的样本(b)ExtendYaleB人脸数据集中的样本(c)香港理工大学polyU掌纹数据集中的样本图4子预处理样本图像3.2不同分块下的性能分析实验中首先对图像进行预处理,采用双线性插值将每幅图像大小调整为6 46 4像素,然后为其选取适当的分块进行后续实验。分块对于识别效果有着极大的关系,分块数过多会导致引人噪声,扩大噪声对实验结果的影响。分块数过少会导致特征过少,不够丰富,从而影响识别效果,本文使用在每个数据集上随机选取样本数n=5来进行分块实验,通过重复实验10 次求取平均识别率来确定后续实验分块数。图5(a)是在ORL数据集上进行实验的实验结果,结果表明在ORL数
24、据集上取2 2 分块时识别率最高,分264块数过多或者过少都影响了实验的准确率,后续一系列在ORL数据集上的实验会以2 2 分块进行。图5(b)是在ExtendYaleB数据集上的实验结果,由此可知,在8 8 时实验准确率达到最高。在此数据集上进行了更细致划分的1616分块的附加实验,实验准确率比8 8 略微提高,但是时间损耗过大,因此后续系列实验在8 8 分块的基础上进行。图5(c)是在polyU掌纹数据库中的分块实验结果,在44分块时识别率达到很好的效果,因此在polyU掌纹数据库中的后续系列实验在44分块的基础上进行。98TLBP96O-RLBP一本文算法9492%/率活90888684
25、82801*1122*2244*44888分块数/块图5(a)在ORL人脸数据库中的分块结果90*LBP80O-RLBP一本文算法7060%/率5040302010111*2222*44*4488*8分块数/块图5(b)在ExtendYaleB人脸数据库中的分块结果100959085%/率店807570-LBP65O-RLBP本文算法601*1122*22*44*44888分块数/块图5(c)在香港理工大学polyU掌纹数据库中的分块结果3.3不同样本数据下的性能分析实验识别率除了与上述的分块有很大关系外,与训练样本数也有很大的关系,一般情况下,随着训练集样本数的增加,识别率也会提高。因此,在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 增强 局部 模式 及其 图像 纹理 特征 提取
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。