一种基于Hilbert曲线和LBP的图像局部特征提取方法

摘要

本发明涉及一种基于Hilbert曲线和LBP的图像局部特征提取方法，该方法采用Hilbert曲线将图像的LBP特征按照一定的顺序排列，该顺序能够保证所得到的特征向量包含特征点之间的空间相邻关系，从而提高模式识别系统的识别性能。该局部特征的提取方法为具体为如下：第一步，获取输入对象，并进行滤波去噪等预处理；第二步，LBP特征提取；步骤三，hilbert曲线的选择及高阶特征提取。本发明方法容易实现，只涉及到简单的差分，二值化，特征排序；复杂度低，差分和二值化的计算复杂度都很低。

说明书

技术领域

本发明涉及一种模式识别特征提取方法，属于模式识别技术领域。

背景技术

图像识别领域中的特征提取是至关重要的一步，其中纹理特征提取方法是目前的一个热 点。参考文献：T.Ahonen，A.Hadid，and M.″Face Description with Local  Binary Patterns：Application to Face Recognition，″IEEE Transactions on Pattern  Analysis and Machine Intelligence，vol.28，no.12，pp.2037-2041，2006.中介绍一 种局部二值模式特征，是当前模式识别领域一个重要方法，它能够提取图像中的纹理特征的 分布，在很多纹理识别，分析领域取得非常好的效果。但是该方法没有考虑在某个区域内的 局部二值特征之间的关系。事实上，利用区域内特征点之间的空间关系提取更多的细节信息， 所以局部二值模式在刻画图像时候，具有一定的局限性。

发明内容

本发明的目的是为了解决现有的图像识别技术中存在的局限性问题，提出了一种基于 Hilbert曲线和LBP的图像局部特征提取方法，该方法采用Hilbert曲线将图像的LBP特征 按照一定的顺序排列，该顺序能够保证所得到的特征向量包含特征点之间的空间相邻关系， 从而提高模式识别系统的识别性能。

本发明提出了一种新的局部特征提取方法，利用Hilbert特征获得局部特征间的空间相 邻关系。具体方法的实现如下：

第一步，获取输入对象，并进行滤波去噪等预处理。

第二步，LBP特征提取。

对输入图像中的所有的点计算一阶差分，然后进行二值量化，则获得一阶差分码特征。 另外，以点为中心的3x3(或者其他的指定大小的区域)大小的区域的结果串接在一起构成 一个二值字符串，称之为一阶差分码模式，将二值字符串转换成十进制数就是点的LBP特征。

步骤三，hilbert曲线的选择及高阶特征提取。

在步骤二的基础上，在某个区域内，根据区域内像素或者划分的图像子块选择合适的 hilbert曲线阶数，将所有点的LBP特征按照Hilbert曲线的扫描顺序排列成一个一维向量。 若是区域细分成一些子块，先统计子块内的LBP直方图，然后再将子块看做一个点，以 Hilbert的顺序排列，然后将子块对应的直方图按照相应的顺序串联起来，获得一个特征向 量。为了保证特征的鲁棒性，可以对获得的向量做离散余弦变换或者离散傅里叶变换，取前 n个系数作为最终的特征。

本发明的优点在于：

(1)该方法容易实现，只涉及到简单的差分，二值化，特征排序；

(2)复杂度低，差分和二值化的计算复杂度都很低；

(3)通过对图像区域内特征点按照空间相邻顺序排列，获得了更完整的图像纹理信息 的提取，提高目标识别的性能。

附图说明

图1为本发明方法的流程框图；

图2Z_x，y八个近邻元素的例子示意图；

图3(a)，(b)，(c)为Hilbert曲线生成系统中符号的几何解释；

图4为hilbert曲线示意图。

具体实施方式

下面结合附图和实施例对本发明的方法进行详细说明。

本发明提出的基于hilbert曲线及lbp的目标提取方法，针对输入的图像或者对象进行 空间有序特征提取。具体实现步骤如下：

步骤一：获取输入对象信息。

所述的输入对象信息是指通过摄像头或者各种传感器输入的图像，比如人脸，掌纹等图 像，并进行Gabor变换处理。

步骤二、LBP特征提取。

对于图像上的每一个像素点，取其周围相邻的8个像素点，分别与这8个点的灰度值做 差分，然后对差分结果按阈值进行编码，构成一个八位的二进制数，该二进制对应的十进制 数即为该像素点的LBP特征值。

以图2所示为例，图像I(Z)中的某个点Z_x，y的八近邻示意图，它构成了一个局部区域， 区域大小为3×3，本发明以这个点Z_x，y作为例子来讲解具体的实现步骤，输入图像中的所有 的点都将进行同样的处理，下面介绍LBP的提取过程。

获取图像I(Z_x，y)后，沿着α角度方向的一阶差分表示为I′_α，d(Z_x，y)，则：

I′_α，d(Z_x，y)＝I(Z_x，y)-I(Z_x-d，y-d)

其中α，d分别表示方向和邻域点距离当前中心点的增量信息，如α为0°，45°，90°和 135°等等，也可以是其他的角度。设Z_x，y为I(Z)中的一个中心点，而且d表示沿着α方向上 中心点和邻近点之间的坐标的增量。本发明以0°，45°，90°和135°，以及d＝1为例，来阐述 如何计算中心点Z_x，y的四个一阶差分，具体可以写为：

I′_0°，1(Z_x，y)＝I(Z_x，y)-I(Z_x-1，y)        (1)

I′_45°，1(Z_x，y)＝I(Z_x，y)-I(Z_x-1，y-1)     (2)

I′_90°，1(Z_x，y)＝I(Z_x，y)-I(Z_x，y-1)       (3)

I′_135°，1(Z_x，y)＝I(Z_x，y)-I(Z_x+1，x-1)    (4)

以上的公式中，0°对应的点涉及到I(Z_x，y)，I(Z_x-1，y)，45°涉及到I(Z_x，y)，I(Z_x-1，y-1)，90°涉及到 I(Z_x，y)，I(Z_x，y-1)，135°涉及到I(Z_x，y)，I(Z_x+1，x-1)，角度和点对之间具有一一对应关系。I(Z_x，y) 表示的是像素点灰度值。

阈值函数f()用于对特定方向的差分结果进行二值化编码，则可利用阈值函数定义差分 码f(I′_α，d(Z))为：

$f\left(I_{\alpha ,d}^{\prime }\left(Z\right)\right)=\left(\begin{array}{cc}1,\mathrm{if}& I_{\alpha ,d}^{\prime }\left(Z\right)>=0\\ 0,\mathrm{if}& I_{\alpha ,d}^{\prime }\left(Z\right)<0\end{array}\right),---\left(5\right)$

从上面的公式(5)可以知道，差分码f(I′_α，d(Z))是一个二值化的结果。在特征点的八领域内 我们获得一个八位的二进制数，即获得一个0-255的十进制数，这个数字即为该点的LBP 特征，它包含了特征点与其相邻点的梯度关系。

步骤三，hilbert曲线的选择及高阶特征提取。

在提取完图像的LBP特征后，需要将这些单个点的特征按照一定的顺序串联起来，组 成一个包含整幅图像或图像局部区域的特征向量，为了尽可能保留图像像素点之间的空间位 置关系，希望原本图像中相邻的像素点，在新的特征向量中具有相应的对应关系，Hilbert 曲线扫描可以很好满足这一需求。

希尔伯特曲线是一种能填充满一个平面正方形的分形曲线(空间填充曲线)，由大卫·希 尔伯特在1891年提出。由于它能填满平面，它的豪斯多夫维是2。是在Peano曲线上提出的 一种更简单的空间填充曲线。

生成希尔伯特曲线的方法有很多种，目前最经典的方法是用L(林氏)系统来生成。以 下简要介绍其生成方法。

L系统类似一个自动机，他是一个三原则(V，ω，P)，其中各元的含义如下：V是 一个符号表，V^*是该符号表上所有符号串的集合；ω∈V^*是一个非空的符号串，也被称作 公理，和自动机的初始状态类似；P是规则的集合，任取v∈V，α∈V^*，规则的表现形式 为v→α，这和自动机的产生式类似。

如果将符号串解释成以某种方式绘制曲线或图形，则只要生成符号串，就等于生成了曲 线或图形。L系统从公理开始，将变换规则多次作用于符号串上，最后生成了一个较长的符 号串；利用该符号串的集合含义来绘制曲线或图形。

用于生成希尔伯特曲线的L系统定义如下：

V＝{L，R，F，+，-}，w＝L

P＝{L→+RF-LFL-FR+，R→-LF+RFR+Fl-}

其中，→表示在将规则作用于符号时，用→右边的符号串代替左边的符号。L，R，F 符号的几何解释如图3所示.

V中的各个符号都是绘制希尔伯特曲线要用到的曲线单元，假设当前方向为水平向右， 则V中各符号的几何解释(如附图3所示)：

+：表示当前位置顺时针旋转90°

-：表示当前位置逆时针旋转90°

三阶的hilbert曲线如附图4所示。