基于视觉信息的图像特征提取算法研究

李 荣，徐燕华

（无锡太湖学院 江苏 无锡　214064）

基于视觉信息的图像特征提取算法研究

李 荣，徐燕华

（无锡太湖学院 江苏 无锡214064）

自计算机视觉产生开始，视觉信息则自动成为其处理的对象。纹理特征作为视觉信息的重要部分，成为图像特征提取的重点。针对纹理特征提取中，传统LBP算法作为一种基于灰度的算法，仅仅局限对低分辨率图片，其识别率通常比较低的问题，提出一种基于小波变换的LBP算法。该算法利用小波变换的局部特性、方向性和多方向性等特点，并结合LBP算法自身具有的旋转不变形、灰度不变形等特点，从而通过小波变换对高分辨率图片的分解，再通过局部二值模式的优势，从而实现对图像纹理特征的提取。最后通过MATLAB软件编程与ORL数据库的对比测试，改进算法的识别率明显优于传统LBP算法。

视信息；LBP算法；小波变换；ORL；纹理特征

特征提取作为图像检索、图像匹配、图像融合的一个关键问题，成为当前研究的重点和热点。而视觉信息图像特征点提取，是当前智能图像和计算机视觉所研究的一个重点领域与技术。其主要是借助计算机的相关算法，从而提取出图像的相关信息，并决定该图像是否具备特定的识别因子。

LBP算法作为视觉信息中对纹理特征描述的一种算法，具有旋转不变形、灰度不变形等明显的优点［1］。在对LBP的应用中，不断的发展与演变，并被广泛的应用在图像分割、人脸分析、纹理分类等各个领域［2-4］。但LBP算法其适用于低分辨率图片的纹理特征提取，但其识别效果不高。小波变换作为建立在傅里叶变化基础上，也为一种局部变换，但可进行时间与频度、空间与频率间的变换。因此，结合小波变换与LBP算法各自的优点，提出一种基于小波与LBP改进算法，通过借助小波变化对高分辨率图像的分解，从而实现对图像纹理特征的提取，提高图像识别率。

1　LBP算法基本原理

LBP算法，称为局部二值模式（Local Binary Pattern），由著名的OjalaT教授在1996年提出［5］。该算法其具有计算简便，思路简单，鉴别能力强等特点，因此被人们广泛的应用各个方面。LBP算法作为对局部纹理特征进行提取的一种算法，其基本的定义是在 3*3的窗口内，将窗口当中的中心像素与周围与其相邻的8个不同的像素点的阈值进行一一的比较，在经过对该窗口采用二值化的处理之后，如果其周围的像素的阈值大于该中心点的阈值，由此则将该像素点的进行标记，其值为1，否则，将其标记为0。由此通过这样的操作后，其纹理F则为：

对其进行二值化处理后则为：

通过计算，可得到以Pc作为中心点的窗口相邻的8个像素为之所产生的二进制数，该二进制数由0和1构成。通过该二进制将其转换为十进制，其具体转换的公式为：

通过公式（3）则可得到该窗口最终的LBP值。其示意图则如图1所示。

图1　LBP算子示意图

在图1中通过LBP运算，得到：

LBP模式=11101001

LBP值=1+2+4+16+128+151

2　快速小波变换

该变换是建立在离散小波变换的基础上产生的，其目的是提高离散小波变换的效率。该变换的高效性主要体现在Mallat人字形算法［7］，其核心则为邻近尺度的离散小波变换系数间的关系，如图2所示，则为快速小波的滤波器组。

图2　快速小波变换滤波器组

在图2当中，其中的hφ、hψ分别表示小波滤波器的系数的展开系数，Wφ（j+1，m，n）表示首次迭代输入的值，Wφ（j，m，n）和其中的｝表示其输出的尺度在J的时候的DWT的值。其中的hφ（-n），hψ（-m）分别与低通和高通滤波器对应。其具体的处理方法则为：

通过公式（4）将原本的图像分为4个分辨率比较低的图像。

3　基于LBP算法的改进

通过对小波变化和LBP算法基本原理的分析，要快速实现对特征提取，并提高图像的识别率，就需要通过对图片的分解，将其逐步分解为低分辨率的图像。因此，针对LBP算法的改进，其主要步骤为：

图3　改进LBP算法

通过小波滤波器将图片分为N个大小相等的图片，并分别对各自图片的LBP值进行计算，并得到每块LBP的直方图，最后再对N个特征向量进行连接，得到总的特征向量。其具体的算法流程为：

STEP1：输入训练图集

STEP2：按级对采集图像进行分解，将其分为N个图谱

STEP3：采用算法对分解的N个图谱的LBP中进行计算

STEP4：对每个图谱的直方图进行计算

STEP5：连接最终向量

4　算法仿真

4.1仿真条件

在本文中，采用MATLAB软件7.0版本对算法进行编程，并通过人脸匹配的方式对该算法进行检验和测试。MATLAB作为集合图像图形处理、数值计算、符号运算等为一体的编程软件，其几乎可以满足所有的计算的需求。同时该软件通过矩阵运算，从而决定其在对数字图像的处理方面具有其独特的优势。因此，本文选择MATLAB软件。实验用的图片则采用ORL图像数据库中的40人［8］，每人10张在不同表情、不同光照强度下的照片，总共400张。原始图片分辨率为112*92。

4.2仿真结果

通过小波变换对图片的分级，在本研究中仅仅做二级分级。ORL数据库当中的图片在经过分解后，其第一次的分辨率56*46，得第二次分解分辨率为28*23。由此，通过aging数据可以看出，在经过小波变换分解后，其分辨率、维数等都出现下降。

同时通过对特征的提取，可得到如图4所示的结果。

通过表1可以看出，在ORL数据库中得到的测试结果中，其分块的识别率要明显高于不分块的结果。因此，可以证明改进算法要优于传统的LBP算法。

5　结　论

通过采用小波变换结合LBP算法，实现对视觉信息中图像特征的提取，并提高图像的识别率，说明改进算法要优于传统LBP算法，但是，但是针对小波分解的层级与识别率的关系还待进一步的探讨。另外通过分解，虽然可提高图像匹配的速度，但将图像从高维度变为低维，也可能导致图像信息出现失真，因此，还需要深入研究。

图4　ORL图像效果

表1　ORL数据库测试结果

［1］张长江.数字图像处理及其应用［M］.北京：清华大学出版社，2013.

［2］吐尔洪江·阿布都克力木，阿卜杜如苏力·奥斯曼，艾木拉姑丽·卡得尔.基于二进小波变换及局部二值模式特征的图像检索［J］.计算机系统应用，2014（8）：198-202.

［3］高海阔，马盛楠.基于ORL数据库的快速人脸认证技术的研究［J］.科技传播，2014（12）：218-219，214.

［4］王科俊，邹国锋.基于子模式的Gabor特征融合的单样本人脸识别［J］.模式识别与人工智能，2013（1）：50-56.

［5］吐尔洪江·阿布都克力木，阿布都许库热·阿布都克力木，艾热提·阿不力克木.基于二进小波变换的图像阈值滤波法的性能分析 ［J］.新疆师范大学学报：自然科学版，2013 （2）：1-7.

［6］周家锐，纪震，沈琳琳，等.基于Gabor小波与Memetic算法的人脸识别方法［J］.电子学报，2012（4）：642-646.

［7］马丽亚木·阿布来孜，艾力米努·阿布力江，吐尔洪江·阿布都克力木.一种基于二进小波变换的图像边缘检测方法［J］.激光与红外，2012（12）：1389-1392.

［8］苏煜，山世光，陈熙霖，等.基于全局和局部特征集成的人脸识别［J］.软件学报，2010（8）：1849-1862.

【相关参考文献链接】

王常芳，朱贤良.LBP和2DDCT相结合的单幅人脸图像识别［J］. 2015，23（12）：120-122.

陈北莉.基于视觉信息的移动机器人控制系统设计［J］.2015，23（3）：63-65.

曹利红，徐志京.基于多层小波变换的压缩感知图像快速复原算法研究［J］.2015，23（3）：176-178.

刘玉霞，李拉成，张鹏.基于小波变换的光纤陀螺降噪预处理技术［J］.2015，23（7）：93-95.

何文.基于小波变换与模糊理论的医学超声图像增强与去噪方法研究［J］.2015，23（12）：101-104.

周美丽，刘川.基于小波变换的数字水印技术的研究［J］.2015，23 （15）：162-163.

李欣.小波变换和模糊凸集投影相结合的图像复原方法研究［J］. 2015，23（17）：182-184.

徐健，邵山.小波变换在电压闪变信号中的检测分析［J］.2016，24 （4）：155-157.

张滨，曹江涛，张一.小波变换法在输油管道泄漏检测中的应用研究［J］.2014，22（13）：106-108.

李锋，刘芬，王宝忠.基于模糊PI控制的开关磁阻电机调速系统的MATLAB仿真［J］.2015，23（8）：114-117.

郭海双，梁佳雯，张劭昀.MATLAB遗传算法工具箱GADS优化及应用［J］.2015，23（10）：27-29.

董阳，彭晓宏，吴艳伟.基于MATLAB的Sigma-Delta ADC中数字滤波器设计［J］.2015，23（10）：175-178.

张鹏.MATLAB仿真技术在电力电子技术实验教学中的应用［J］. 2015，23（19）：146-148.

郭之亨，周华，李良荣.基于Matlab的数字音符实时显示研究［J］. 2015，23（21）：12-14.

雷琼.基于Matlab图像分割的研究［J］.2015，23（21）：167-169.王建芳，陈斯养.基于MATLAB的储药柜优化设计［J］.2015，23 （22）：4-6.

宋璐，宋燕燕，冯艳平.基于MATLAB GUI的振动合成方法的研究［J］.2015，23（23）：43-45.

徐达峰，杨建波.TTNT数据链收发机消息处理机制的MATLAB仿真［J］.2015，23（23）：155-157.

韩海超，曾英，吴亚玲，等.基于MATLAB的证物还原技术的研究［J］.2016，24（4）：186-189.

Research on the extraction algorithm of image feature based on visual information

LI Rong，XU Yan-hua
（Taihu University of Wuxi，Wuxi 214064，China）

The visual information is automatically processed by the visual information from computer vision.As the important part of visual information，texture feature is the key of image feature extraction.For texture feature extraction，the traditional LBP algorithm as a kind of algorithm based on gray，confined to low resolution images and the recognition rate is usually low，put forward a LBP algorithm based on wavelet transform.The algorithm using wavelet transform local characteristics，direction and multi direction of，combined with LBP algorithm has its own rotation deformation，intensity and deformation characteristics，to through wavelet transform on high resolution image decomposition，through the second part value mode advantage，in order to achieve the extraction of image texture features.Through the comparison of MATLAB software programming with ORL database，the recognition rate of the improved algorithm is obviously better than the traditional LBP algorithm.

visual information；LBP algorithm；wavelet transform；ORL；texture feature

TP

A

1674－6236（2016）09-0188-03

2015-06-05稿件编号：201506058

李 荣（1978—），女 ，江苏淮安人，硕士，讲师。研究方向：数据挖掘、图像处理、模式识别。