[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

说明书

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，涉及计算机视觉和模式识别，通过对彩色纹理图像的颜色通道内的特征和颜色通道间的特征进行建模，并融合彩色纹理的局部特征和全局特征构建彩色纹理描述子用于彩色纹理分类本发明有益效果：通过实验证明同其他具有代表性的方法相比本发明的分类方法是有效的且优异的。

技术领域

本发明属于计算机视觉和模式识别技术领域，具体涉及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。

背景技术

作为计算机视觉和模式识别领域中的经典问题，纹理表示方法是纹理分类过程中的重要一步。大多数的纹理表示方法都关注于灰度纹理图像，从而忽略了颜色信息。然而，在现实世界中，颜色也是具有判别力的信息。构建彩色纹理图像的表示方法是具有重要意义的。

构建彩色纹理的表示方法，直观地，可以将灰度纹理的表示方法运用到彩色纹理的每一个颜色通道上，最后在融合三个通道上的特征。但是，对于彩色纹理图像中每个颜色通道都不是独立的，因此需要捕获颜色通道间的信息。目前，大部分的彩色纹理表示方法都不能同时探索颜色通道内和颜色通道间的信息，并且还缺少彩色纹理的全局特征。

基于此问题，我们构建了一种基于完整极值非负密集微块差分的纹理分类方法，在表示彩色纹理的过程中，通过密集微块差分建模后的颜色通道内特征和颜色通道间特征，通过非负化和极值化操作融合，随后和彩色纹理图像的全局特征共同组合成完整极值非负密集微块差分(Completed Extremely Nonnegative DMD,CEN-DMD)，并用于彩色纹理分类。

发明内容

本发明所要解决的技术问题是提供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，解决现有彩色纹理表示方法所存在的上述问题。

本发明为解决上述技术问题所采用的技术方案是：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，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_vand 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；