本发明属于数字图像处理、机器视觉的技术领域。具体是一种基于颜色相关局部二值模式的彩色图像描述方法。
背景技术：
图像的特征提取与描述是图像处理和模式识别领域中具有挑战性的研究课题之一，同时，也日益成为与生活息息相关的组成部分。彩色图像特征提取的关键在于如何更合理的利用图像中的颜色信息。常用的特征提取方法包括全局方法、局部方法以及基于深度学习的方法三种，全局方法直接对图像的整体进行描述，忽略相邻像素之间的局部信息，这种方法对光照等图像变化非常敏感；局部方法从图像的局部区域提取特征，保留了数据的局部性，但是对噪声较为敏感；而基于深度学习的方法得到的模型依赖于大量的训练数据，并且训练时间较长，需要较大的存储空间。
局部二值模式(localbinarypattern,lbp)是首先由t.ojala,
技术实现要素：
针对以上现有技术的不足，本发明提供了一种在控制特征维度的同时可以有效提高准确率的基于颜色相关局部二值模式的彩色图像描述方法。
本发明实现上述目的采用的技术方案是：一种基于颜色相关局部二值模式的彩色图像描述方法，包括以下步骤：
101、对彩色图像数据进行预处理，获得彩色图像的三个相对相似空间分量图像和三个rgb颜色空间分量图像。
102、采用多通道编码局部二值模式方法对步骤101得到的所述分量图像进行特征提取，得到图像数据集的多通道编码局部二值模式特征向量。
103、采用类内随机的方式选取一部分图像的多通道编码局部二值模式特征向量进行特征学习，根据学习得到的主导模式表对彩色图像数据集所有图像的多通道编码局部二值模式特征向量进行维度选择，将选择得到的特征组合为描述图像的颜色相关局部二值模式特征向量。
104、采用类内随机的方式将彩色图像数据集划分为训练集和测试集，根据步骤103得到的颜色相关局部二值模式特征向量，通过对训练集图像和测试集图像进行匹配，得到最终的分类结果。
本发明的优点及有益效果如下：
本发明主要解决了在数字图像处理领域中彩色图像描述准确率的问题。本发明首先对数据集中的图像进行预处理以得到相对相似度空间(rss)分量图；采用多通道编码局部二值模式方法(mdlbp)对彩色图像及其rss分量图进行特征提取，得到图像的mdlbp特征向量；确定主导模式的数量，采用类内随机的方式选取一部分图像的mdlbp特征向量进行特征学习，根据学习得到的主导模式表对数据集所有图像的mdlbp特征向量进行维度选择，将选择得到的特征组合为描述图像的颜色相关局部二值模式特征向量；最后选取分类训练集和分类测试集，并将测试集与训练集相匹配得到分类结果。本发明利用了彩色图像不同分量图像的相关信息以及特征向量的主导模式，有效提高了对彩色图像描述的准确率。
本发明所提出的颜色相关局部二值模式(clbp)利用相对相似空间很好的结合了图像的跨通道信息，并在此基础上利用解码图进一步提取特征图的互相关信息，利用特征学习方法的降低了描述符的维度，从而避免维数诅咒、减少分类计算量并加快分类速度，大幅度提高了对彩色图像描述的准确率。
附图说明
图1为本发明提供优选实施例分析方法的流程图；
图2为本发明颜色相关局部二值模式特征的构造方法流程图。
具体实施方式
以下结合附图，对本发明作进一步说明：
如图1所示，一种基于颜色相关局部二值模式的图像描述方法，包括如下步骤：
第一步：首先对彩色图像数据进行预处理，获得彩色图像的三个相对相似空间(rss)分量图像和三个rgb颜色空间分量图像；
第二步：采用多通道编码局部二值模式方法(mdlbp)对第一步得到的分量图像进行特征提取，得到图像数据集的mdlbp特征向量；
第三步：确定主导模式的数量：采用类内随机的方式选取一部分图像的mdlbp特征向量进行特征学习；
第四步：根据第三步学习得到的主导模式表对数据集所有图像的mdlbp特征向量进行维度选择，将选择得到的特征组合为描述图像的颜色相关局部二值模式特征向量；
第五步：采用类内随机的方式将图像数据集划分为训练集和测试集，根据第四步得到的颜色相关局部二值模式特征向量，通过对训练集图像和测试集图像进行匹配，得到最终的分类结果。
本发明根据mdlbp方法，得到图像中每个分量以及相对相似度分量的局部二值模式值，形成局部二值模式图。根据得到的局部二值模式图来构造颜色相关局部二值模式。所述局部二值模式图是由图像的中每个像素的lbp值组成。
第一步中，预处理由图像读取以及相对相似度分量计算两部分组成，图像的相对相似度空间由rsr、rsg、rsb三个分量图像组成，它们代表彩色图像的r、g、b分量图像的相对相似度，这三个分量图像的数学表达式如下：
其中，rsr(x,y)表示rsr分量图像(x,y)位置的分量值，类似的，rsg(x,y)、rsb(x,y)、r(x,y)、g(x,y)、b(x,y)分别表示对应分量图像(x,y)位置的分量值；abs()是一个绝对值函数，为了避免分母为0，设置ξ为一个不为0的极小数。
第二步中多通道编码局部二值模式特征的构造，具体包括如下步骤：
1)、对第一步中得到的6个分量图像分别进行lbp编码得到6个lbp特征图。
2)、当图像lbp的邻域半径为1，领域个数为8时，通过mdlbp的解码器映射生成26张特征图。
3)、每张特征图模式值的大小为0到255，分别统计每张特征图的模式值对应的像素个数，共得到26个频率直方图，这些直方图以串联的形式组成该图像的mdlbp特征向量。
如图2所示，本发明的特征选择包括如下步骤：
1)、从彩色图像数据集的每一类图像中随机选择相同数量的图像，采用第一步和第二步的方法分别提取每张图象的mdlbp特征向量。
2)、将不同图像的mdlbp特征向量中位置相同的特征值进行求和，得到一个特征向量和。
3)、确定主导模式的数量，当图像mdlbp特征向量的主导模式数量为100时，按照特征值的大小以降序顺序对特征向量和进行排序，选择前100个特征值，记录选中的特征值在特征向量和中的对应位置，得到该数据集的主导模式表。
4)、对于该彩色图像数据集任意一张彩色图像，首先提取该图像的mdlbp特征向量，然后按照主导模式表对其mdlbp特征向量进行维度选择，保留mdlbp特征向量中被主导模式表记录的位置所对应的特征值，这些特征值组合为描述图像的颜色相关局部二值模式特征向量(clbp)。
第五步中对训练集图像和测试集图像进行匹配，根据测试图像的特征向量判断与其特征向量值最相似的训练图像特征向量，并将该训练图像的类别作为该训练图像的类别。
为了验证本发明的效果，进行了如下实验：
在一台计算机上进行验证实验，该计算机的配置为i5处理器(3.40ghz)和16g内存，编程语言为matlab2017a。
实验方法：
在本实验过程中，所选用的图像数据库是coil-100彩色图像数据库，共有100类彩色图像，每个类中共有72张图像，随机从每类图像中选择64张作为训练集，剩余的8张作为测试集。通过对彩色图像数据集中训练集和测试集的图像进行匹配，得到最终的分类结果。
实验结果的评价指标：
实验结果采用分类正确率(correctclassificationpercentages，ccps)。分类正确率指的是训练集和测试集在匹配过程中，被正确分类的测试图像总数和测试集图像总数的比值。
实验结果:
在本实验过程中，所选用的数据库是coil-100彩色图像数据库，共有7200张纹理图像，分为100类。采用本发明所提出的颜色相关局部二值模式的彩色图像描述方法，通过对训练集和测试集进行匹配，得到最终的分类正确率为100％。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。
1.一种基于颜色相关局部二值模式的彩色图像描述方法，其特征在于，包括以下步骤：
101、对彩色图像数据进行预处理，获得彩色图像的三个相对相似空间分量图像和三个rgb颜色空间分量图像；
102、采用多通道编码局部二值模式方法对步骤101得到的所述分量图像进行特征提取，得到图像数据集的多通道编码局部二值模式特征向量；
103、采用类内随机的方式选取一部分图像的多通道编码局部二值模式特征向量进行特征学习，根据学习得到的主导模式表对彩色图像数据集所有图像的多通道编码局部二值模式特征向量进行维度选择，将选择得到的特征组合为描述图像的颜色相关局部二值模式特征向量；
104、采用类内随机的方式将彩色图像数据集划分为训练集和测试集，根据步骤103得到的颜色相关局部二值模式特征向量，通过对训练集图像和测试集图像进行匹配，得到最终的分类结果。
2.根据权利要求1所述一种基于颜色相关局部二值模式的彩色图像描述方法，其特征在于：步骤101所述三个相对相似空间分量图像包括rsr、rsg、rsb三个分量图像，它们分别代表彩色图像的r、g、b分量图像的相对相似度，具体表达式如下：
其中，rsr(x,y)表示rsr分量图像(x,y)位置的分量值，类似的，rsg(x,y)、rsb(x,y)、r(x,y)、g(x,y)、b(x,y)分别表示对应分量图像(x,y)位置的分量值；abs()是一个绝对值函数，ξ为一个不为0的极小数。
3.根据权利要求1所述一种基于颜色相关局部二值模式的彩色图像描述方法，其特征在于：步骤102所述特征提取具体包括以下步骤：
1)对步骤101中得到的6个分量图像分别进行lbp编码得到6个lbp特征图；
2)当图像lbp的邻域半径为1，领域个数为8时，通过mdlbp的解码器映射生成26张特征图；
3)每张特征图模式值的取值为0到255，分别统计每张特征图的模式值对应的像素个数，共得到26个频率直方图，这些直方图以串联的形式组成该图像的mdlbp特征向量。
4.根据权利要求1所述一种基于颜色相关局部二值模式的彩色图像描述方法，其特征在于：所述步骤103具体包括以下处理步骤：
1031、从彩色图像数据集中每一类图像中随机选择相同数量的图像，采用所述步骤101和步骤102的方法得到这些图像的mdlbp特征向量，将这些mdlbp特征向量进行求和，得到一个特征向量和；
1032、确定主导模式的数量：当图像mdlbp特征向量的主导模式数量为100时，按照递减的方式对步骤1031中特征向量和的值进行排序，将前100个值在特征向量和中对应的位置记录为主导模式表；
1033、对于步骤102中得到的mdlbp特征向量，选择属于主导模式表中对应位置的值，组合为描述图像的颜色相关局部二值模式特征向量。
技术总结