[发明专利]一种二维图像的特征提取方法

摘要

本发明公开了一种二维图像的特征提取方法，该方法包含如下步骤S1，对纹理图像获取Gabor滤波差分分解，获取一组二值图像集合；S2，对分解后二值图像使用统计算子提取纹理特征；S3，对提取的纹理特征向量，使用主成分分析法进行降维，并对降维后的特征向量进行纹理分类及检索。本发明具备了不需要定义纹理基元的优点，且计算复杂度适中，新提出的5个统计算子更全面的描述了分解后的纹理基元和基元的排列规则，且在识别过程中，主成分分析算法的引入，使得该方法计算速度提高，可适用于纹理图像的实时检索分类。

主权项

一种二维图像的特征提取方法，其特征在于，该方法包含如下步骤：S1，对纹理图像获取Gabor滤波差分分解，获取一组二值图像集合；S2，对分解后二值图像使用统计算子提取纹理特征；S3，对提取的纹理特征向量，使用主成分分析法进行降维，并对降维后的特征向量进行纹理分类及检索；所述的步骤S1包含如下步骤：S1.1，采用Gabor滤波函数构造核函数，将纹理图像分解为一组反映不同尺度下纹理结构的二值图像：Idiffj(x,y;σ,θ)=Ibj+1(x,y;σ,θ)-Ibi(x,y;σ,θ)]]>T(x,y;σ,θ)=Σu=0M-1Σv=0N-1I(x-u,y-v)g(u,v;σ,θ)]]>g(u,v;σ,θ)λ,Φ,γ=exp(-u′2+γ2y′22σ2)exp(i(2πx′λ+φ))]]>x′＝xcosθ+ysinθ,y′＝‑xsinθ+ycosθ其中，M×N为图像像素大小，I(x,y)表示(x,y)像素点的灰度值；g(u,v；σ,θ)λ,φ,γ为Gabor核函数，其中λ，φ，γ分别代表正弦函数波长、相位偏移和空间的宽高比，σ，θ分别代表Gabor核中高斯函数的标准差和Gabor核函数的方向；T(x,y；σj,θj)为卷积滤波图像，(x,y)为像素点坐标，j表示该滤波图像是按照Gabor核函数第j组参数设置计算所得；为根据滤波图像阈值化得到的相应二值图像；代表同一幅图像在Gabor核函数相邻参数设置下所得二值图像之间的差异；S1.2，构造差分分解图像集合Itexture，且其中，k为分解出差分图像的个数。