[发明专利]提取图像纹理特征的方法和装置

说明书

技术领域

本发明涉及图像图形处理技术领域，尤其是涉及一种提取图像纹理特征的方法和装置。

背景技术

随着互联网规模越来越大，其中的文本、图片、多媒体信息日益丰富。为了找到有用的信息用户需要搜索巨量的数据。在搜索过程中，必须提取准确的特征才能准确地进行定位。对于图像而言纹理特征是重要的特征，纹理特征和颜色、形状特征并称为图像的三大特征。

目前提取纹理特征的方法主要有三类，第一类是基于统计的方法，主要方法就是使用灰度共生矩阵。第二类是基于结构的方法，一般只有当纹理基元大到足够被分割时，才使用这个方法。第三类是基于频谱的方法，主要是基于傅立叶和小波变换。这三类方法中第一类基于统计的方法适用于广泛的自然纹理及人工纹理，是目前最成熟、最实用的方法。

图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图像的局部模式结构及其排列规则的基础。作为纹理分析的特征量，往往不是直接应用计算的灰度共生矩阵，而是在灰度共生矩阵的基础上再计算二次统计量，作为提取到的纹理特征量。

发明人在实现本发明的过程中发现现有技术中至少存在如下缺陷：

在灰度共生矩阵的基础上可以计算的二次统计量的个数较多，例如，角二阶距、逆方差、熵、和熵、差熵以及最大相关系数等。由于计算量过于巨大，在使用时同时计算灰度共生矩阵的所有二次统计量在实际中是不可行的。通常的做法为选取若干灰度共生矩阵的二次统计量作为纹理特征。然而，在现有技术中，还没有提出一套比较成熟的纹理特征的提取方案，纹理特征的选取比较任意，无法进行准确地定位，纹理特征的提取方法也较复杂，有待完善。

发明内容

本发明实施例提供了一种提取图像纹理特征的方法和装置，能够准确快速地提取得到原始图像的纹理特征，提高纹理特征的鲁棒性。

为达到上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种提取图像纹理特征的方法，所述方法包括：

获取原始图像的灰度图像；

将所述灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；

将角二阶距、对比度、熵和相关特征作为所选取的纹理特征，并根据所述各灰度共生矩阵，计算每一图像块的纹理特征；

根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。

本发明实施例还提供了一种提取图像纹理特征的装置，所述装置包括：

灰度图像获取单元，用于获取原始图像的灰度图像；

纹理特征选取单元，用于将角二阶距、对比度、熵和相关特征作为所选取的纹理特征；

图像块划分单元，用于将所述灰度图像获取单元得到的灰度图像划分为多个图像块，并计算每一图像块的灰度共生矩阵；

图像块纹理特征计算单元，用于根据所述各灰度共生矩阵，计算每一图像块的由所述纹理特征选取单元确定的纹理特征；

原始图像纹理特征计算单元，用于根据所述各个图像块的纹理特征，得到原始图像所对应的纹理特征。

由上述可见，本发明提供了一套新型的纹理特征选取方案以及纹理特征提取方案，通过将原始图像适当分块，基于各个图像块得到原始图像的纹理特征，能够准确快速地提取得到原始图像的纹理特征，提高纹理特征的鲁棒性。

本发明提供的方案中，将灰度共生矩阵的角二阶距、对比度、熵和相关特征选取为所采用的特征，显著降低了实际应用中所需的计算量，实践证明，所选取和提取出的纹理特征能够在多种场景下实现准确地数据搜索、信息匹配和信息定位。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种提取图像纹理特征的方法流程示意图；

图2为本发明实施例二提供的一种提取图像纹理特征的方法流程示意图；

图3为本发明实施例三提供的一种提取图像纹理特征的装置结构示意图；

图4为本方案的实验一中所采用的一副原始图片；

图5至图12为本方案实验二中所采用的八副原始图片。

具体实施方式