日韩成人黄色,透逼一级毛片,狠狠躁天天躁中文字幕,久久久久久亚洲精品不卡,在线看国产美女毛片2019,黄片www.www,一级黄色毛a视频直播

一種復(fù)雜光照下圖像特征提取方法與流程

文檔序號(hào):11177819閱讀:1601來源:國知局
一種復(fù)雜光照下圖像特征提取方法與流程

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,涉及一種圖像特征提取方法,尤其是一種復(fù)雜光照下圖像特征提取方法。



背景技術(shù):

近年來,隨著科技的不斷發(fā)展,圖像特征提取技術(shù)逐漸成為計(jì)算機(jī)視覺領(lǐng)域最熱門的研究課題之一,吸引了大量學(xué)者的研究和關(guān)注。該技術(shù)的普及順應(yīng)了時(shí)代的發(fā)展,也給人們的工作和生活帶來方便。但由于提取到的圖像特征容易受到光照變化的影響,因此即便發(fā)展到今天,圖像特征提取技術(shù)依舊存在著一定的局限性。

現(xiàn)有技術(shù)中,典型的圖像特征提取技術(shù)有wld、lgs等,這些算法都存在一些缺陷,具體如下所述:

一、wld算法:

(1)wld算子在計(jì)算像素點(diǎn)xc的差分激勵(lì)ξ(xc)時(shí)采用的是各向同性的濾波器,即二階拉普拉斯算子,而這就造成了像素點(diǎn)之間的差值互相抵消,從而沒有將局部灰度信息充分展現(xiàn)出來;

(2)wld算子僅對(duì)像素點(diǎn)xc水平方向和垂直方向上的灰度變化情況進(jìn)行了表述,并沒有完全表述出xc所有鄰接像素點(diǎn)的灰度變化情況,因此在對(duì)紋理的內(nèi)在變化進(jìn)行描述時(shí)存在著一些問題。

二、lgs算法

局部圖結(jié)構(gòu)(lgs)算子雖然擁有計(jì)算簡單、紋理區(qū)分能力強(qiáng)、灰度不變性等諸多顯著優(yōu)點(diǎn),然而,lgs算子亦有一定的局限性:

(1)它包含了鄰域像素之間的冗余信息;

(2)由于這種局部紋理描述子在結(jié)構(gòu)上是不對(duì)稱的,它并沒有從像素的左右鄰域內(nèi)獲取數(shù)量一致的信息,其右側(cè)鄰域相比于左側(cè)包含了更多的像素(左側(cè)擁有2個(gè)像素,而右側(cè)則擁有3個(gè)像素)。因此,在表示像素的局部紋理特征時(shí),從其鄰域計(jì)算得出的lgs值包含了更多的右側(cè)空間信息。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn),提供一種復(fù)雜光照下圖像特征提取方法。

本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的:

這種復(fù)雜光照下圖像特征提取方法為:

(1)首先計(jì)算wld各向異性差分激勵(lì),得到圖像的差分激勵(lì)特征;

(2)計(jì)算對(duì)稱性lgs算子,得到圖像的對(duì)稱性lgs特征;

(3)使用各向異性的wld差分激勵(lì)特征和對(duì)稱性lgs特征分別替代wld算子中的差分激勵(lì)特征和梯度方向特征,融合成wlgs特征;

(4)將步驟(3)中的二維wlgs特征直方圖進(jìn)一步映射成一維wlgs特征直方圖,以增強(qiáng)特征的區(qū)分性能和描述能力。

進(jìn)一步,以上步驟(1)中,計(jì)算wld各向異性差分激勵(lì)方法為:

log算子的函數(shù)形式如下:

通過對(duì)σ在x和y方向上分別取不同的值,從而使得σ對(duì)x和y產(chǎn)生具有差別的影響;

對(duì)于一個(gè)標(biāo)準(zhǔn)的橢圓,其數(shù)學(xué)表達(dá)式為:

x2/a2+y2/b2=1(a≠b)(3)

將這個(gè)橢圓逆時(shí)針方向轉(zhuǎn)α角度后,得出新的坐標(biāo)關(guān)系:

將式(4)帶入式(3)中,可得到此時(shí)該橢圓方程為:

(xcosα+ysinα)2/a2+(ycosα-xsinα)2/b2=1(5)

再將式(5)帶入式(2)中,可得到各向異性的log算子:

式中各參數(shù)的取值分別為:a=xcos2α+ysinαcosα,b=xsin2α-ysinαcosα,c=xsinαcosα+ysin2α,d=-xsinαcosα+ycos2α,e=xcosα+ysinα,f=y(tǒng)cosα-xsinα;

尺度參量σx的計(jì)算公式如下:

其中i(x,y)代表像素點(diǎn)(x,y)的灰度值,i(x,y)的值歸一化為[0,1]區(qū)間;

尺度參量σy的計(jì)算公式如下:

式中,k取固定值,表示m×n窗口內(nèi)的灰度均方差,代表鄰域灰度的均值,和i(i,j)的取值范圍均為[0,255];

針對(duì)各向異性log算子中的角度參量α,采用kirsch算子來進(jìn)行確定;通過對(duì)圖像中各點(diǎn)的每個(gè)方向模板進(jìn)行計(jì)算,并將其中取得最大值的模板對(duì)應(yīng)的方向作為該點(diǎn)的角度參量值,即可實(shí)現(xiàn)α根據(jù)每個(gè)像素點(diǎn)的最大方向值自適應(yīng)確定角度的目的;

將得到的尺度參量σx,σy,角度參量α代入式6,就能夠形成各向異性的log算子,然后再通過以下公式(9)得到圖像f的各向異性wld差分激勵(lì)算子:

進(jìn)一步,以上步驟(2)中,計(jì)算對(duì)稱性lgs算子:

對(duì)于目標(biāo)像素點(diǎn)(xd,yd),其對(duì)稱性lgs編碼計(jì)算公式如式(10)所示:

其中,p=7,6,…,0表示二項(xiàng)式加權(quán)值,gd-gn表示后一個(gè)像素點(diǎn)與前一個(gè)像素點(diǎn)之間的像素差值,并且

進(jìn)一步,以上步驟(4)中:

wlgs由兩部分組成:差分激勵(lì)和ilgs;對(duì)于給定的一副圖像,首先利用圖計(jì)算出每個(gè)像素點(diǎn)的ilgs編碼值,然后計(jì)算出每個(gè)像素點(diǎn)的各向異性差分激勵(lì),從而得到ilgs圖像和差分激勵(lì)圖像;根據(jù)ilgs圖像和差分激勵(lì)圖像,構(gòu)造二維直方圖來描述圖像的特征wlgshistogram(m,t):

wlgshistogram(m,t)={ξ,ilgs}

其中m=0,1,…,m-1,t=0,1,…,t-1,wlgshistogram(m,t)的大小為t×m,m是ξ的區(qū)間數(shù),t是ilgs值的總數(shù)。進(jìn)一步,所述t的最優(yōu)值設(shè)為256。

進(jìn)一步,以上二維直方圖中的每一列對(duì)應(yīng)的是一個(gè)ilgs值,每一行則對(duì)應(yīng)著一個(gè)差分激勵(lì)區(qū)間,因此,每一小塊wlgshistogram(m,t)對(duì)應(yīng)的是一個(gè)確定的差勵(lì)區(qū)間m和ilgs值t的頻率。

進(jìn)一步,對(duì)以上二維直方圖wlgshistogram(m,t)按行進(jìn)行展開,并形成一個(gè)一維直方圖h;其中,每一個(gè)子直方圖h(m)對(duì)應(yīng)的是差勵(lì)區(qū)間m;把m個(gè)子直方圖按照一定的順序連接起來就形成了最終的一維直方圖h=[h(0),h(1),…h(huán)(m-1)]。

與現(xiàn)有技術(shù)相比,本發(fā)明具有以下有益效果:

本發(fā)明復(fù)雜光照下圖像特征提取方法結(jié)合了韋伯局部描述符和局部圖結(jié)構(gòu)的優(yōu)點(diǎn),提出基于局部圖結(jié)構(gòu)的特征提取方法(wlgs),其通過使用各向異性的wld差分激勵(lì)和對(duì)稱性lgs算子分別替代原始wld算子中的差分激勵(lì)和梯度方向而產(chǎn)生的。利用wlgs算子進(jìn)行圖像特征提取時(shí),首先計(jì)算出該圖像的各向異性差分激勵(lì)圖像和對(duì)稱性lgs圖像,然后將其融合形成二維wlgs直方圖,并進(jìn)而轉(zhuǎn)化為一維直方圖,以用其對(duì)圖像特征進(jìn)行表示。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有技術(shù)中經(jīng)典的圖像特征提取方法相比,本文算法在進(jìn)行圖像特征提取時(shí)對(duì)光照變化更具魯棒性。

附圖說明

圖1為ilgs算子結(jié)構(gòu)圖;

圖2為ilgs算子計(jì)算示意圖;

圖3為韋伯局部圖結(jié)構(gòu)(wlgs)算子示意圖;

圖4為wlgs直方圖計(jì)算示意圖;

圖5為差分激勵(lì)計(jì)算示意圖;

圖6為lgs算子結(jié)構(gòu)圖;

圖7為lgs算子;

圖8為photex數(shù)據(jù)庫部分圖像;

圖9為photex數(shù)據(jù)庫對(duì)比實(shí)驗(yàn)結(jié)果圖;

圖10為rawfoot數(shù)據(jù)庫部分圖像;

圖11為rawfoot數(shù)據(jù)庫對(duì)比實(shí)驗(yàn)結(jié)果圖。

具體實(shí)施方式

本發(fā)明的復(fù)雜光照下圖像特征提取方法,具體包括以下步驟:

步驟一、首先計(jì)算wld各向異性差分激勵(lì),得到圖像的差分激勵(lì)特征;具體為:

log算子的函數(shù)形式如下:

可以通過對(duì)σ在x和y方向上分別取不同的值,從而使得σ對(duì)x和y產(chǎn)生具有差別的影響。

對(duì)于一個(gè)標(biāo)準(zhǔn)的橢圓,其數(shù)學(xué)表達(dá)式為:

x2/a2+y2/b2=1(a≠b)(3)

如果將這個(gè)橢圓逆時(shí)針方向轉(zhuǎn)α角度后,可得出其新的坐標(biāo)關(guān)系:

將式(4)帶入式(3)中,可得到此時(shí)該橢圓方程為:

(xcosα+ysinα)2/a2+(ycosα-xsinα)2/b2=1(5)

再將式(5)帶入式(2)中,可得到各向異性的log算子:

式中各參數(shù)的取值分別為:a=xcos2α+ysinαcosα,b=xsin2α-ysinαcosα,c=xsinαcosα+ysin2α,d=-xsinαcosα+ycos2α,e=xcosα+ysinα,f=y(tǒng)cosα-xsinα。

尺度參量σx的計(jì)算公式如下:

其中i(x,y)代表像素點(diǎn)(x,y)的灰度值,i(x,y)的值歸一化為[0,1]區(qū)間。

尺度參量σy的計(jì)算公式如下:

式中,k取固定值,表示m×n窗口內(nèi)的灰度均方差,代表鄰域灰度的均值,和i(i,j)的取值范圍均為[0,255]。

針對(duì)各向異性log算子中的角度參量α,采用kirsch算子來進(jìn)行確定。通過對(duì)圖像中各點(diǎn)的每個(gè)方向模板進(jìn)行計(jì)算,并將其中取得最大值的模板對(duì)應(yīng)的方向作為該點(diǎn)的角度參量值,即可實(shí)現(xiàn)α根據(jù)每個(gè)像素點(diǎn)的最大方向值自適應(yīng)確定角度的目的。

將得到的尺度參量σx,σy,角度參量α代入式(6),就能夠形成各向異性的log算子。然后再通過公式(9)就能夠得到圖像f的各向異性wld差分激勵(lì)算子。

步驟二、計(jì)算對(duì)稱性lgs算子,得到圖像的對(duì)稱性lgs特征;具體計(jì)算對(duì)稱性lgs算子(ilgs):

對(duì)于目標(biāo)像素點(diǎn)(xd,yd),其對(duì)稱性lgs編碼計(jì)算公式如式(10)所示:

其中,p=7,6,…,0表示二項(xiàng)式加權(quán)值,gd-gn表示后一個(gè)像素點(diǎn)與前一個(gè)像素點(diǎn)之間的像素差值,并且

其計(jì)算過程示意圖如圖1所示。

圖2給出了一個(gè)ilgs的計(jì)算實(shí)例,其計(jì)算過程與lgs類似。

步驟三、使用各向異性的wld差分激勵(lì)特征和對(duì)稱性lgs特征分別替代wld算子中的差分激勵(lì)特征和梯度方向特征,融合成wlgs特征。

步驟四、將步驟三中的二維wlgs特征直方圖進(jìn)一步映射成一維wlgs特征直方圖,以增強(qiáng)特征的區(qū)分性能和描述能力,具體如下:

wlgs由兩部分組成:差分激勵(lì)和ilgs。對(duì)于給定的一副圖像,首先利用圖計(jì)算出每個(gè)像素點(diǎn)的ilgs編碼值,然后計(jì)算出每個(gè)像素點(diǎn)的各向異性差分激勵(lì),從而得到ilgs圖像和差分激勵(lì)圖像。如圖3所示。根據(jù)這兩幅圖像,構(gòu)造二維直方圖來描述圖像的特征:

wlgshistogram(m,t)={ξ,ilgs}

其中m=0,1,…,m-1,t=0,1,…,t-1,wlgshistogram(m,t)的大小為t×m,m是ξ的區(qū)間數(shù),t是ilgs值的總數(shù),在本文中,t的值設(shè)為256。

簡而言之,二維直方圖中的每一列對(duì)應(yīng)的是一個(gè)ilgs值,每一行則對(duì)應(yīng)著一個(gè)差分激勵(lì)區(qū)間。因此,每一小塊wlgshistogram(m,t)對(duì)應(yīng)的是一個(gè)確定的差勵(lì)區(qū)間m和ilgs值t的頻率。

出于增強(qiáng)特征的區(qū)分性和描述能力的目的,需要對(duì)二維直方圖wlgshistogram(m,t)按行進(jìn)行展開,并形成一個(gè)一維直方圖h。其中,每一個(gè)子直方圖h(m)對(duì)應(yīng)的是差勵(lì)區(qū)間m。把m個(gè)子直方圖按照一定的順序連接起來就形成了最終的一維直方圖h=[h(0),h(1),…h(huán)(m-1)]。如圖4所示。

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述:

本發(fā)明基于韋伯算子(wld)和局部圖結(jié)構(gòu)(lgs)算子展開。針對(duì)wld算子各向同性的特點(diǎn),提出了一種各向異性的wld算子,以解決其在具有方向性差異的場(chǎng)合中局部紋理區(qū)分能力不足的問題。同時(shí),針對(duì)lgs算子結(jié)構(gòu)上的不對(duì)稱且包含了冗余信息的問題,提出了一種對(duì)稱性的lgs算子,從而構(gòu)建了一種更為均衡的用來提取像素鄰域間紋理信息的方式。并在此基礎(chǔ)上結(jié)合韋伯局部描述符和局部圖結(jié)構(gòu)的優(yōu)點(diǎn),提出了一種基于韋伯局部圖結(jié)構(gòu)的人臉特征提取方法(wlgs),它是通過用各向異性wld差分激勵(lì)和對(duì)稱性lgs算子分別替代原始wld算子中的差分激勵(lì)和梯度方向而產(chǎn)生的,能夠提取更多的紋理細(xì)節(jié)和多個(gè)方向梯度信息,所以能更好地提取出圖像的細(xì)節(jié)信息。

項(xiàng)異性wld算子

wld差分激勵(lì)通過中心像素和鄰域像素的灰度值來計(jì)算,它用來描述圖像的顯著變化,反映了局部窗內(nèi)灰度變化的強(qiáng)度信息,其目的是尋找一幅圖像在人眼視覺感知中變化比較明顯的區(qū)域。設(shè)當(dāng)前像素點(diǎn)為xc,該像素點(diǎn)的差分激勵(lì)為ξ(xc)。則各向同性wld差分激勵(lì)計(jì)算過程如下圖5所示。其中:表示當(dāng)前像素點(diǎn)xc與其p個(gè)鄰接像素點(diǎn)之間的像素差值,表示當(dāng)前像素點(diǎn)xc的像素值。

由于wld算子在計(jì)算像素點(diǎn)xc的差分激勵(lì)ξ(xc)時(shí)采用的是各向同性的二階拉普拉斯算子來作為濾波器,而這就造成了像素點(diǎn)之間的差值互相抵消,從而沒有將局部灰度信息充分展現(xiàn)出來。因此本發(fā)明的改進(jìn)算法將從此入手,將高斯濾波和拉普拉斯算子結(jié)合在一起并對(duì)其進(jìn)行改進(jìn),形成各向異性log(laplacianofgaussian)算子。然后通過式2.1對(duì)圖像f與log算子進(jìn)行卷積來對(duì)δi進(jìn)行計(jì)算,即得各向異性的wld差分激勵(lì)算子。

δi=log*f(x,y)(2.1)

根據(jù)上述理論基礎(chǔ),通過推導(dǎo)出改進(jìn)型的log算子就可以實(shí)現(xiàn)對(duì)原始wld算子差分激勵(lì)分量的改進(jìn)。

傳統(tǒng)的log算子的函數(shù)形式如下:

可以通過對(duì)σ在x和y方向上分別取不同的值,從而使得σ對(duì)x和y產(chǎn)生具有差別的影響。

對(duì)于一個(gè)標(biāo)準(zhǔn)的橢圓,其數(shù)學(xué)表達(dá)式為:

x2/a2+y2/b2=1(a≠b)(2.4)

如果將這個(gè)橢圓逆時(shí)針方向轉(zhuǎn)α角度后,可得出其新的坐標(biāo)關(guān)系:

將式2.5帶入式2.4中,可得到此時(shí)該橢圓方程為:

(xcosα+ysinα)2/a2+(ycosα-xsinα)2/b2=1(2.6)

再將式2.6帶入式2.3中,可得到各向異性的log算子:

式中各參數(shù)的取值分別為:a=xcos2α+ysinαcosα,b=xsin2α-ysinαcosα,c=xsinαcosα+ysin2α,d=-xsinαcosα+ycos2α,e=xcosα+ysinα,f=y(tǒng)cosα-xsinα。

尺度參量σx的計(jì)算公式如下:

其中i(x,y)代表像素點(diǎn)(x,y)的灰度值,i(x,y)的值歸一化為[0,1]區(qū)間。

尺度參量σy的計(jì)算公式如下:

式中,k取固定值,表示m×n窗口內(nèi)的灰度均方差,代表鄰域灰度的均值,和i(i,j)的取值范圍均為[0,255]。

針對(duì)各向異性log算子中的角度參量α,本文采用kirsch算子來對(duì)其進(jìn)行確定。kirsch算子含有8個(gè)方向模板,并且每個(gè)模板分別代表一種特定方向,通過對(duì)圖像中各點(diǎn)的每個(gè)方向模板進(jìn)行計(jì)算,并將其中取得最大值的模板對(duì)應(yīng)的方向作為該點(diǎn)的角度參量值,即可實(shí)現(xiàn)α根據(jù)每個(gè)像素點(diǎn)的最大方向值自適應(yīng)確定角度的目的。

將得到的尺度參量σx,σy,角度參量α代入式2.7,就能夠形成各向異性的log算子。然后再通過公式2.1即可得到各向異性的wld差分激勵(lì)算子。

對(duì)稱性lgs算子

lgs算子定義在一個(gè)3×4的矩形窗口內(nèi),如圖6所示,針對(duì)目標(biāo)像素點(diǎn)(圖中用灰色圓點(diǎn)表示),局部圖結(jié)構(gòu)首先按逆時(shí)針方向沿著該像素左邊區(qū)域移動(dòng)。如果后一個(gè)像素點(diǎn)的值大于或者等于前一個(gè)像素點(diǎn)的值,那么將會(huì)標(biāo)記一個(gè)二進(jìn)制值1用于連接兩個(gè)像素點(diǎn),否則將會(huì)其標(biāo)記為0。在完成目標(biāo)像素點(diǎn)左邊區(qū)域的比較后,水平移動(dòng)至該像素點(diǎn)的右側(cè)鄰接像素點(diǎn)進(jìn)行比較,然后再按順時(shí)針方向?qū)τ疫厖^(qū)域應(yīng)用相同的過程,直到回到目標(biāo)像素點(diǎn)為止。因此當(dāng)比較完所有的像素點(diǎn)之后,在3×4的矩形窗口內(nèi)將會(huì)獲得一個(gè)八比特的二進(jìn)制數(shù),然后再按照位置分別賦予不一樣的權(quán)重值,并對(duì)其進(jìn)行求和,就可以將該二進(jìn)制數(shù)轉(zhuǎn)換為一個(gè)十進(jìn)制的整數(shù),這個(gè)整數(shù)就作為這個(gè)矩形窗口中目標(biāo)像素點(diǎn)的lgs編碼值,然后就能夠用這個(gè)編碼值來反映這個(gè)區(qū)域的紋理特征信息。

局部圖結(jié)構(gòu)(lgs)算子雖然擁有計(jì)算簡單、紋理區(qū)分能力強(qiáng)、灰度不變性等諸多顯著優(yōu)點(diǎn),然而,lgs算子亦有一定的局限性。它包含了鄰域像素之間的冗余信息,例如圖7中像素分別為30和33的像素點(diǎn),并且由于這種局部紋理描述子在結(jié)構(gòu)上是不對(duì)稱的,它并沒有從像素的左右鄰域內(nèi)獲取數(shù)量一致的信息,其右側(cè)鄰域相比于左側(cè)包含了更多的像素(左側(cè)擁有2個(gè)像素,而右側(cè)則擁有3個(gè)像素)。因此,在表示像素的局部紋理特征時(shí),從其鄰域計(jì)算得出的lgs值包含了更多的右側(cè)空間信息。

針對(duì)上述問題,本發(fā)明提出一種改進(jìn)型的lgs算子,稱為ilgs算子,用以提高lgs算子的性能。ilgs算子是一個(gè)對(duì)稱性的局部圖結(jié)構(gòu),如圖4所示,其對(duì)稱性主要是通過修改普通lgs左右鄰域內(nèi)不相等的像素?cái)?shù)量得到的,ilgs在其左右鄰域內(nèi)擁有相同的像素?cái)?shù)量(左右鄰域內(nèi)均有3個(gè)像素的值被加以利用)。與普通lgs算子相比,該算子能提取到更多關(guān)于圖像紋理的空間信息,并且可以以一種更加平衡的方式提取像素左右鄰域的紋理信息,使得每一個(gè)像素的局部特征有一個(gè)更好的表示。

韋伯局部圖結(jié)構(gòu)(wlgs)

wlgs由兩部分組成:差分激勵(lì)和ilgs。對(duì)于給定的一副圖像,首先利用圖計(jì)算出每個(gè)像素點(diǎn)的ilgs編碼值,然后計(jì)算出每個(gè)像素點(diǎn)的各向異性差分激勵(lì),從而得到ilgs圖像和差分激勵(lì)圖像。

根據(jù)這兩幅圖像,構(gòu)造二維直方圖來描述圖像的特征:

wlgshistogram(m,t)={ξ,ilgs}

其中m=0,1,…,m-1,t=0,1,…,t-1,wlgshistogram(m,t)的大小為t×m,m是ξ的區(qū)間數(shù),t是ilgs值的總數(shù),在本文中,t的值設(shè)為256。

簡而言之,二維直方圖中的每一列對(duì)應(yīng)的是一個(gè)ilgs值,每一行則對(duì)應(yīng)著一個(gè)差分激勵(lì)區(qū)間。因此,每一小塊wlgshistogram(m,t)對(duì)應(yīng)的是一個(gè)確定的差勵(lì)區(qū)間m和ilgs值t的頻率。

出于增強(qiáng)特征的區(qū)分性和描述能力的目的,需要對(duì)二維直方圖wlgshistogram(m,t)按行進(jìn)行展開,并形成一個(gè)一維直方圖h。其中,每一個(gè)子直方圖h(m)對(duì)應(yīng)的是差勵(lì)區(qū)間m。把m個(gè)子直方圖按照一定的順序連接起來就形成了最終的一維直方圖h=[h(0),h(1),…h(huán)(m-1)]。

實(shí)驗(yàn)結(jié)果與對(duì)比分析

為了驗(yàn)證算法的有效性,本發(fā)明選用了photex數(shù)據(jù)庫<http://www.macs.hw.ac.uk/texturelab/resources/databases/>,該數(shù)據(jù)中包括了各種方向的紋理圖像,這些圖像是從不同光照環(huán)境下拍攝的各種圖像,可以很好的驗(yàn)證光照復(fù)雜性目標(biāo)圖像的描述性能。在試驗(yàn)中,本發(fā)明選取了18種紋理,每種有20種不同光照的環(huán)境,部分圖像圖8所示。

為了更好的表示算法的有效性,本發(fā)明選擇經(jīng)典的去光照特征提取方法局部二進(jìn)制模式,韋伯二進(jìn)制模式韋、伯局部描述算子和本發(fā)明方法進(jìn)行對(duì)比,在試驗(yàn)中,分類識(shí)別算法選取徑向基神經(jīng)網(wǎng)絡(luò)(取matlab工具箱),實(shí)驗(yàn)的結(jié)果如圖9所示,從圖9可以看出,隨著訓(xùn)練樣本數(shù)的增加,各種方法的識(shí)別率都在增加。此外,我們可以看出,我們提出的方法取得了最好的識(shí)別效果,驗(yàn)證了方法的有效性。

為了進(jìn)一步驗(yàn)證算法的有效性,選取了rawfoot(rawfoodtexturedatabase)紋理數(shù)據(jù)庫,該庫包括了46種不同光照的68種紋理圖像,可以很好的驗(yàn)證算法對(duì)復(fù)雜光照的魯棒性,部分圖像如圖10所示。

為了更好的表示算法的有效性,選擇經(jīng)典的去光照特征提取方法局部二進(jìn)制模式,韋伯二進(jìn)制模式韋、伯局部描述算子和本發(fā)明方法進(jìn)行對(duì)比,在試驗(yàn)中,分類識(shí)別算法我們選取徑向基神經(jīng)網(wǎng)絡(luò)(取matlab工具箱),實(shí)驗(yàn)的結(jié)果如圖11所示,從圖11可以看出,隨著訓(xùn)練樣本數(shù)的增加,各種方法的識(shí)別率都在增加。此外可以看出,本發(fā)明提出的方法取得了最好的識(shí)別效果,進(jìn)一步驗(yàn)證了方法的有效性。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1