买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明公开了一种基于尺度共生局部二值模式的图像识别方法，涉及数字图像处理、计算机视觉等技术领域。具体步骤为：1通过模拟尺度变换，构造图像的LBP共生空间，提取其中稳定的结构信息；2用LBP共生空间中的跨尺度共生对表示稳定的结构信息。这些跨尺度共生对即使在图像被缩放的情况下也能保持良好的描述能力；3提出旋转一致性调整策略，对这些跨尺度共生对进行统一的调整，以增强其旋转不变性。本方法充分利用跨尺度共生对和旋转一致性调整策略，使其具有理想的几何不变性，在特征维度较低的情况下取得了与基于共生的LBP方法同样好的图像描述能力。

主权项：1.一种基于尺度共生局部二值模式的图像识别方法，其特征在于，包括以下步骤：1将一幅彩色图像转换为灰度图像；2对于一幅输入图像，生成一个高斯尺度空间Lx,y,z，所述高斯尺度空间中不同尺度图像之间的互补信息能够同时提供该对象的细节信息和结构信息，在高斯尺度空间Lx,y,z中，构造LBP共生空间Ex,y,z来提取尺度变换过程中稳定的结构信息，然后在LBP共生空间中用跨尺度共生对来表示这些稳定的结构信息；高斯尺度空间的生成包括以下步骤：用高斯函数Gx,y,σz去卷积一幅输入图像Ix,y，生成高斯尺度空间Lx,y,z，高斯空间中的每幅尺度图像的尺寸都和输入图像的尺寸相同； 其中，x∈[1,M]，y∈[1,N]，M×N是图像Ix,y的尺寸，Z是高斯尺度空间中尺度图像的总数，是尺度因子，z表示高斯尺度空间中的第几幅尺度图像；LBP共生空间的构造，具体包括如下步骤：在生成的高斯尺度空间Lx,y,z中，进一步生成一个LBP共生空间Ex,y,z， 其中，S和R分别表示LBP圆形邻域的采样点数和采样半径，表示LBP的旋转不变均匀模式，表示LBP的均匀模式；跨尺度共生对的构造，具体包括如下步骤：对于模式Pi，将它固定在LBP特征图谱中的第一层，即Ez＝1x,y,z中，对于模式Pi′，不将它固定，而是通过相应的策略去选择，所以其会在LBP特征图谱的第二层及以上，即Ez∈[2,Z]x,y,z中；结合模式Pi和模式Pi′，就得到一个跨尺度共生对；选择高斯尺度空间中三维局部矩形窗口中的最大局部差异值作为所述模式Pi′，对于一幅图像，通过滑动这个三维矩形窗口，得到很多跨尺度共生对，根据模式Pi的位置xi,yi,1，模式Pi′的位置如下： 其中，窗口w的尺寸是wx×wy×wz，wx和wy被设置为3，wz被设置为Z-1，xi,yi是wx×wy的中心，δ表示模式Pi′对应的LBP特征图谱，Lxi,yi,z是高斯尺度空间中的第z层，Lxi,yi,z-1是高斯尺度空间中的第z-1层；3利用步骤2中得到的跨尺度共生对，采用旋转一致性策略来调整这些跨尺度共生对的方向，使其在旋转情况下也能保持良好的图像分类性能；旋转一致性调整策略的生成包括：对于模式Pi，g1,g2,...,gS是半径为R的LBP圆形邻域中的像素值，如果让像素gn作为起始像素，则顺时针方向形成的对应候选分布为gn{gn,gn+1,...,gS,g1,...,gn-1}，因此，包含所有候选分布的总分布被表示为{gn,gn+1,...,gS,g1,...,gn-1}，使用gn中起始像素gn的降序标签l来指定图像中每个像素的候选分布，使得LBP模式在原始图像和旋转图像中都能保持统一，该候选分布的相应索引被记录在RCA中：RCAPi＝{n|sortgn＝l}其中n,l∈[1,S]，sortgn是一个函数，用于获取相应候选分布gn中gn的降序标签，调整后的跨尺度共生对如下：CS-Co＝Pixi,yi,1,TPi′xi′,yi′,δ,RCAcs其中T·是一个函数，其使用第RCA个候选分布来获得Pi′调整后的LBP模式；4这些调整后的跨尺度共生对的二维分布形成了最终的特征向量，即CS-CoLBP；特征向量CS-CoLBP的生成，具体包括如下步骤：得到了所有的跨尺度共生对后，通过遍历计算它们在整幅图像中的出现次数，得到一个联合后的二维LBP特征直方图CS-CoLBP： 其中，λ·是一个函数，定义如下所示： 其中ru∈[1,S+2],u∈[1,SS-1+3]，S是LBP圆形邻域的采样点个数，CS-Co是跨尺度共生对，E是LBP共生空间。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于尺度共生局部二值模式的图像识别方法