一种结合预处理的lbp特征提取方法.docx

一种结合预处理的lbp特征提取方法专利名称：一种结合预处理的lbp特征提取方法技术领域：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歩，其中纹理特征提取方法是目前的一个热点參考文献T. Ahonen, A. Hadid, and M. Pietikainen," Face Description withLocal Binary Patterns -Application to Face Recognition. " IEEE Transactions onPattern Analysis and Machine Intelligence,vol. 28,no. 12,pp. 2037-2041,2006.中介绍ー种局部ニ值模式方法(LBP)，是当前模式识别领域ー个重要方法，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算法的识别率和图像的质 量密切相关，对图像进行适当的预处理对于改善图像质量有着十分重要的意义针对局部ニ值模式算法可采取图像增强、图像平滑和图像分割等预处理方法发明内容本发明的目的是为了提高局部ニ值模式算法的识别率，结合几种预处理方法来改善图像质量，观察各种预处理算法对局部ニ值模式算子性能的影响。

通过预处理可以去除图像噪声，增强有用的信息，从而提高模式识别系统的识别性能本发明分别对图像进行高斯平滑、直方图均衡化和Sobel边缘提取预处理，统计图像识别率，观察各预处理方法对局部ニ值模式算子性能的影响，再将三种方法结合起来，观察其对局部ニ值模式算子性能的影响具体方法的实现如下步骤一，采用直方图均衡化、Sobel算子对图像进行预处理；步骤ニ，分割图像；使用分块LBP算法，将图像分别分成不同的形式；步骤三，对每个分块用高斯平滑进行进一步处理；步骤四，对图像预处理后的每个分块进行LBP特征向量提取，得到该分块的LBP直方图特征，依次将所有分块的直方图特征连接起来组成ー个复合的特征向量；步骤五，计算直方图Chi平方距离x2(\M) = ~\b/，S和M表示两张对比 tt Sb +Mb图像的LBP直方图，即复合特征向量B表示直方图的总格子数，b表示直方图中第i个格子，Sb，Mb表示第b个格子的直方图特征向量，用最近邻法判定类别，统计识别正确率本发明的优点在于(I)该方法容易实现；(2)复杂度低；(3)在图像轮廓上进行LBP特征提取可以提取更多图像上边缘的分布信息，得到更加合理的图像描述方式图I为直方图均衡化前后比较；图2为高斯平滑前后比较；图3为图像分块；图4为Sobel边缘提取前后比较；图5为LBP直方图人脸表达示意图；图6为Chi平方距离计算过程； 图7为本发明处理方法流程。

具体实施例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结合预处理的LBP特征提取方法，针对输入的图像进行直方图均衡化、高斯平滑和Sobel边缘提取预处理以及相似度计算具体实现步骤如下步骤一，分别采用高斯平滑、Sobel算子对图像进行预处理；直方图均衡化处理的步骤为(I)对给定的待处理图像统计其直方图，求出PJrk) = nk/n ;rk表示离散灰度级，Pr (rk)表示概率密度函数，nk表示图像中出现rk级灰度的像素数，η表示图像像素总数；k表不灰度； k(2)根据统计出的直方图采用累积分布函数做变换，即 =八ら)=ΣΑ(り)，T代表累积分布函数，求变换后的新灰度；(3)用新灰度代替旧灰度，求出Ps (S) -I -2 -I]「-I O ΓSobel算子进行边缘提取过程为先将2个方向模板O 0 0 -2 0 2沿图像I 2 I 1レ1 O I从ー个像素移动到另一像素，并将像素中心与图像中某个像素位置重合然后将模板内系数与对应像素值相乘，将所有相乘值相加，将2个卷积的最大值，赋给模板中心像素步骤ニ，分割图像使用分块LBP算法，将图像分割成不同的形式，比较识别率；步骤三，对每个分块用高斯平滑进行进一歩处理；将图像与高斯方程进行卷积，其函数表达式为し(X，y) = fin(x，y) XG(x, y), x, y表示像素点坐标，G(XJ) =みexp，其中fin(x，y)指输入图像，fwt(X，y)指卷积后输出图像，σ为标准差。

步骤四，对图像增强后的每个分块进行LBP特征向量提取，得到该分块的LBP直方图表示形式，然后将这些灰度直方图顺次连接起来，构成复合特征向量；步骤五，将要判别的图像的LBP直方图与标准数据库中每ー张图像的LBP直方图进行比较，通过计算Chi平方距离X2 (\M) = Z (う-で)，s和M表示被比较的两个样本 tt Sb +MbLBP直方图，B表示直方图的总bin数，b表示直方图中第i个bin找到最小的Chi平方距离对应的标准数据库中的图像，选定类别实施例I :应用本发明的方法在人脸识别中，应用到FERET人脸数据库上，识别方法如下第一歩，分别采用直方图均衡化和Sobel算子对图像进行预处理，结果如图I图2所示第二歩，分割图像使用分块LBP算法，将图像分别分成4X4和8X8形式对比识别率，分块如图3所示第三步，对每个分块用高斯平滑进行进一步处理；如图4所示第四步，对图像增强后的每个分块进行LBP特征向量提取，得到该分块的LBP直方图表示形式，然后将这些灰度直方图顺次连接起来，构成复合特征向量，如图5所示第五歩，计算直方图的Chi平方距离权利要求1.一种结合预处理的LBP特征提取方法，其特征在于通过以下步骤实现 步骤一，采用直方图均衡化、Sobel算子对图像进行预处理； 步骤二，分割图像；使用分块LBP算法，将图像分别分成不同的形式； 步骤三，对每个分块用高斯平滑进行进一步处理； 步骤四，对图像预处理后的每个分块进行LBP特征向量提取，得到该分块的LBP直方图特征，依次将所有分块的直方图特征连接起来组成一个复合的特征向量； 步骤五，计算直方图Chi平方距离全文摘要本发明公开了一种结合预处理的LBP特征提取方法，用直方图均衡化、高斯平滑和Sobel算子对图像进行预处理，通过预处理前后在Feret人脸库的实验结果比较其识别率，观察各预处理方法对LBP算子性能的影响。

大量的实验表明，结合Sobel的LBP算法对于不同光照条件下人脸图像识别率提高幅度较大，这表明在图像轮廓上进行LBP特征提取可以提取更多人脸图像上边缘的分布信息，得到更加合理的人脸图像描述方式，对光照具有鲁棒性。