[发明专利]基于完整极值非负密集微块差分的彩色纹理图像分类方法

权利要求书

1.基于完整极值非负密集微块差分的彩色纹理图像分类方法，其特征在于：包括以下步骤：

步骤一：对彩色纹理图像的颜色通道内特征和颜色通道间特征进行建模：首先，对于给定的彩色纹理图像，按照2像素的步长将其划分成尺寸为L*L的图像块；其次，在图像块中进行微块采样，通过计算成对微块间像素的平均值的差来提取纹理特征，对于彩色纹理图像的颜色通道内特征建模，用于差分的微块对都选自同一颜色通道内；对于彩色纹理图像的颜色通道间建模，则用于差分的微块对选自相对的颜色通道内，同时非负操作在微块差分过程中被使用；

步骤二：在对彩色纹理图像建模后，捕获颜色通道内的差分特征和颜色通道间的差分特征，融合通道内差分特征的最大值和通道间差分特征的最大值，构建极值非负密集微块差分描述子EN-DMD，EN-DMD的定义如下：

其中，max()为取最大值操作，u,v,w代表颜色通道，I_p代表纹理图像块patch，p代表patch，代表I_p在颜色通道u内的微块差分，代表I_p在颜色通道v内的微块差分，代表I_p在颜色通道w内的微块差分，代表I_p在颜色通道u和颜色通道v间的微块差分，代表I_p在颜色通道v和颜色通道w间的微块差分,代表I_p在颜色通道w和颜色通道u间的微块差分；

步骤三：融合彩色纹理的全局特征构建完整极值非负密集微块差分CEN-DMD，包括：

(1)彩色纹理图像的全局特征包括颜色通道内的全局特征和颜色通道间的全局特征，对于彩色纹理图像I，I_u,I_v and I_w分别代表三个颜色通道的图像信息，每个颜色通道内像素的均值和方差作为颜色通道内的全局特征，颜色通道间的全局特征通过纹理图像颜色通道间差分的均值和方差来捕获；

(2)通过组合极值非负微块差分EN-DMD与彩色纹理图像的颜色通道内全局特征G_Intra和颜色通道间全局特征G_Inter，构建完整极值非负密集微块差分CEN-DMD：CEN-DMD＝[EN-DMD，G_Intra，G_Inter]；

步骤四：将CEN-DMD经过Fisher向量编码后得到彩色纹理描述子，最后，线性SVM分类器被用来执行彩色纹理图像分类。

2.根据权利要求1所述的基于完整极值非负密集微块差分的彩色纹理图像分类方法，其特征在于：所述步骤一中彩色纹理图像的颜色通道内特征建模方法为：对于在颜色通道c上的尺寸为L*L的图像块的颜色通道内特征计算如下：

其中，

其中，s代表微块的尺寸，代表在特定的颜色通道上坐标为x^c＝(a，b)^T微块的平均像素，∥表示绝对值操作，c∈{u,v,w}代表颜色通道。

3.根据权利要求1所述的基于完整极值非负密集微块差分的彩色纹理图像分类方法，其特征在于：所述步骤一中彩色纹理图像的颜色通道间特征建模的方法为：对于尺寸为L*L的彩色纹理图像块，颜色通道c和c’间的颜色通道间的特征计算如下：

其中，代表I_p在颜色通道c和颜色通道c’之间的颜色通道间微块，c∈{u,v,w}和c’∈{u,v,w}代表颜色通道，采样点集合X^c和Y^c由t分布生成。