基于顶帽变换和lbp算子的纹理特征提取方法

《基于顶帽变换和lbp算子的纹理特征提取方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于顶帽变换和LBP算子的纹理特征提取方法　　摘要：针对顶帽变换能有效消除不均匀背景这一特点，结合LBP算子能很好地描述图像局部空间结构以及在纹理分类中有高区分能力的特点，提出了顶帽变换和LBP算子相结合的多特征组合纹理特征提取方法。经实验验证可知，这种多特征组合的纹理特征提取方法能够提高对Outex数据集分类的准确率，并得出结论：特征提取方法应当遵循多特征组合、组合特征间差异大和组合特征维数小的原则。　　关键词：顶帽变换；LBP；多特征组合；纹理特征提取　　DOIDOI：10.11907/rjdk.162266　　中图分类号：TP301　　文献标识码：A文章编号：

2、1672-7800（2016）012-0005-03　　0引言　　纹理是人们描述和区分不同物体的重要特征之一，它作为物体表面的一种基本属性广泛存在于自然界中，是人们视觉系统对自然界物体表面现象的一种感知，是图像中普遍存在而又难以描述的特征，虽然人们对纹理的研究已有几十年的历史，但至今难以对纹理给出统一、准确的定义[1-5]。8　　20世纪70年代以前出现了自相关函数法，功率谱方法和一些与各种灰度频率相关的方法等[6-8]。这些方法取得了一定成功，但是没有具体的定义、描述或纹理模型，仅仅是某种数学变换。另外还有一些提取纹理特征的方法[9-10]，也仅限于提取特定的图像

3、属性，如纹理粗糙度、纹理直线性等。自20世纪80年代以来，MRF理论在纹理分析中掀起一阵热潮[11]，为纹理特征提取找到了一个新的方向，90年代以后，人们发现传统的纹理分析方法的一个瓶颈在于不能从多尺度有效描述纹理特征。小波理论[12-13]的出现为时频多尺度分析提供了一个更为精确而统一的框架。近年来，较引人瞩目的是Ojala[14]等于2002年提出的局部二进制模式（LBP）[15-17]，该方法分析纹理的吸引人的地方在于其计算复杂度小，具有多尺度特性和旋转不变特性，在纹理检索领域得到应用。在前人总结的基础上，再结合顶帽变换[18]能有效消除不均匀背景这一特点，本

4、文提出了顶帽变换和LBP算子相结合的多特征组合纹理特征提取方法。　　1顶帽变换　　帽变换技术作为灰度形态学的重要应用之一，是一种非均匀背景问题的解决方案。　　图像f的顶帽变换h定义为图像f与图像f的灰度开运算之差，可表示为：　　h=f-f（f°b）（1）　　2局部二值模式（LBP）　　局部二值模式（LocalBinaryPattern，LBP）算子是一个描述图像局部空间结构的非参数模型算子，LBP算法思想简单容易理解、计算复杂度小、对单调的灰度变换不敏感并且能够很好地描述图像的局部纹理特征[19]。最早出现的是基本的LBP，在原始的LBP算子提出后，研究人员不断提出

5、了各种改进和优化，又相继出现了圆形领域的LBP（LBPP，R）、均匀LBP（LBPu2P，R）、完整LBP等。8　　3纹理特征提取　　首先给出一些符号定义：符号TR表示以半径为R的结构元素对原图像进行顶帽变换处理，如T10表示以半径为10像素的结构元素对原图像进行顶帽变换处理，T5则表示以半径为5像素的结构元素对原图像进行顶帽变换处理；符号TR-LBPp，R1表示对以半径为R的结构元素进行顶帽变换处理的结果图像进行LBPP，R1纹理特征描述；符号T2R表示对TR进行二值化处理，即原图像经TR处理后再进行二值化处理的结果图像；符号T2R-LBPP，R1表示对T2R处理

6、后的结果图像进行LBPP，R1纹理特征描述。　　图1中（a）图像为原图像，（b）图像为原图像的LBP8，2纹理特征描述；　　图2中采用半径为10的圆形结构元素对原图像进行顶帽变换处理，如（a）所示，（b）为（a）的LBP8，2纹理特征描述，（c）为图像（a）的二值化处理结果，（d）为（c）的LBP8，2纹理特征描述，即原图像的T210-LBP8，2纹理特征描述；图3中所包含图像与图2保持一致，只是采用了半径为5的圆形结构元素对原图像进行顶帽变换处理。对比图2与图3中（d）图像，可以看出T210-LBP8，2通过调节结构元素的半径，对原图像进行顶帽变换处理后能够得到不

7、同粒度的原图像细节信息。　　在前人研究的基础上，本文提出如下多特征组合的纹理特征提取方法：采用对原图像的LBPP，R1纹理特征描述和原图像的LR-LBPP，R1纹理特征描述进行组合作为最终的纹理特征提取，用符号LBPP，R1-LR-LBPP，R1表示。这种多特征组合的纹理特征提取方法的更一般符号表示为：LBP-T2RLBP。8　　上述内容中给出了LBP-T2RLBP纹理特征提取方法，但并未解释该纹理特征提取方法为什么选择上述两种特征进行组合而不选择其它特征的组合（如LBP-TR-LBP或TR-LBP-T2R-LBP），下文将给出详细分析。为了方便对比分析，先给出