黃 嘯

（福建商學(xué)院，福建 福州 350012）

1 引言

局部二值模式紋理譜描述符自最早由Ojala等［1］等提出，通過比較鄰域像素與中心像素的灰度差關(guān)系反映圖像的紋理特征，該方法已得到國內(nèi)外學(xué)界的廣泛研究。Heikkila［2］為降低紋理特征的維數(shù)，提出了CS-LBP（Center-Symmetric Local Binary Patterns） 紋理譜描述符，以中心對稱的鄰域點灰度差作為比較對象，取得了很好的效果。在此基礎(chǔ)上，孫君頂?shù)龋?］將中心像素引入到比較關(guān)系中，提出了ICS-LBP描述符；陳剛等［4-5］通過引入模糊理論、提出字符串移位等方法，分別提出了FCS-LBP與ECS-LBP描述符。上述描述符雖然具有較低的特征維數(shù)，紋理的描述能力不夠高。ICS-LTP［6］是針對CS-LBP的一種改進方案，通過與局部三值模式［7］（Local Ternary Patterns,LTP）相結(jié)合，提高了圖像紋理描述能力。但該描述符在進行灰度差比較時忽略了中心像素的作用，特征描述效果不穩(wěn)定。

本文結(jié)合了中心像素在反映紋理特征中的作用，提出了ECS-LTP描述符。該方法既發(fā)揮了LTP在描述紋理時的全面性，又利用了中心對稱方法降低特征維數(shù)的特點，同時在計算紋理譜值時考慮了鄰域像素與中心像素的關(guān)系。

2 紋理譜描述符

2．1 CS-LBP

Heikkila［2］從降低計算復(fù)雜度的角度出發(fā)，設(shè)計了僅比較區(qū)域中心對稱的四對像素點灰度差的CSLBP描述符，其計算過程如下：

t是預(yù)先給定的閾值，用以設(shè)定局部區(qū)域的平坦程度。

2．2 ICS-LBP

孫君頂?shù)龋?］認為中心像素在灰度差的比較中也具有重要的地位，同時也為了減少人為設(shè)定閾值造成的不變，提出了ICS-LBP描述符，其計算過程如下：

ICS-LBP在保持了CS-LBP的特征維數(shù)的同時，也考慮了中心像素與對稱像素間的相關(guān)作用。

2．3 ICS-LTP

曾慧等［6］認為CS-LBP的特征維數(shù)雖然較低，但在紋理的描述上不如局部三值模式［7］細膩，為了兼具二者的優(yōu)點，將其進行融合，并采用類似串聯(lián)的方式來減少特征維數(shù)。其計算過程如下：

Si雖然維數(shù)較高，但由于采取由ICS-LTP1和ICS-LTP2分別生成直方圖后串聯(lián)的方式來獲得最后的紋理譜值，使得最終的特征維數(shù)與CS-LBP相差不大。

2．4 ECS-LTP

對于ICS-LTP，僅考慮中心對稱像素對間的比較，忽略了中心像素對局部紋理特征的影響。另外，ICSLTP設(shè)定閾值的思想在紋理平坦程度未知的情況下實用性大為減弱。為此，在ICS-LTP的基礎(chǔ)上，結(jié)合ICS-LBP運用中心像素的思想，提出了ECS-LTP（Extended CS-LTP）描述符：

圖1顯示了四種紋理譜描述符的編碼規(guī)則。明顯地，新的描述符在維數(shù)不變的情況，結(jié)合了中心像素進行灰度比較，且無需參數(shù)輸入，其實用性和自適應(yīng)性都得到了顯著提高。

圖1 四種紋理譜描述符的編碼規(guī)則

3 實驗結(jié)果及評價

實驗從奧盧大學(xué)機器視覺小組（http://www.cse.oulu.fi/MVG）的兩個紋理庫，構(gòu)建了四個紋理圖像庫，圖庫1從Brodatz紋理庫中選擇13幅紋理圖像（圖2），將其進行劃分為9幅126×126的圖像，從而得到13類共117幅紋理圖像；圖庫2從Outex_TC_00012紋理庫中選擇了16類共320張128×128的圖像（圖3）。圖庫1和2作為非旋轉(zhuǎn)圖像上的實驗。圖庫3將圖庫1選擇的13張圖像分別進行30°，60°，90°，120°，150°，200°旋轉(zhuǎn)，得到13類共78張圖像。圖庫4選擇了圖庫2中16幅圖像所對應(yīng)的旋轉(zhuǎn)圖像，包含了0°，15°，60°，90°，100°，135°，165°，185°，210°共9個旋轉(zhuǎn)角度的16類720張圖像。圖庫3和4作為旋轉(zhuǎn)圖像上的實驗。

圖2 Brodatz紋理庫樣本圖像

圖3 Outex_TC_00012紋理庫樣本圖像

表1 實驗環(huán)境

表1顯示了實驗的具體環(huán)境，以聚類作為紋理特征間相似性的判斷方法，其中實驗結(jié)果采用文獻［4］提到的“準(zhǔn)確率”作為評價標(biāo)準(zhǔn)，即聚類與原始類標(biāo)號的所有對應(yīng)關(guān)系中，正確的對象個數(shù)與總個數(shù)之比的最大值。在描述符的比較過程中，CS-LBP描述符與ICS-LTP描述符涉及的參數(shù)。如表2所示，參與比較的描述符的特征維數(shù)十分接近，其計算復(fù)雜度基本相同。

表2 描述符的特征維數(shù)

實驗包括兩個部分，第一部分在非旋轉(zhuǎn)圖像上進行測試，比較CS-LBP、ICS-LBP、ICS-LTP及ECS-LTP在普通紋理圖像上的聚類準(zhǔn)確率，結(jié)果如圖4所示。

圖4 普通圖像的結(jié)果

由于CS-LBP和ICS-LTP都沒有考慮中心像素，所以在紋理效果的描述上較差，ICS-LBP由于結(jié)合了中心像素進行計算，其在普通紋理圖像上的聚類效果明顯高于CS-LBP和ICS-LTP。而本文提出的ECS-LTP既將中心像素加入到比較過程中，又充分發(fā)揮了局部三值模式在描述紋理過程中的細膩性，其聚類準(zhǔn)確率在圖庫1和2上平均高出ICS-LBP描述符2.5%。

實驗的第二部分測試了四種描述符在旋轉(zhuǎn)圖像上的聚類效果，結(jié)果如圖5所示。

圖5 旋轉(zhuǎn)圖像的結(jié)果

在旋轉(zhuǎn)圖像上的實驗顯示，CS-LBP、ICS-LBP、ICS-LTP、ECS-LTP四種描述符的平均準(zhǔn)確率分別為：33.74%、33.87%、36.91%以及40.2%，以LTP為基礎(chǔ)的兩個描述符由于使用了區(qū)分度更大的局部三值模式，其平均效果均優(yōu)于以LBP為基礎(chǔ)的描述符。尤其是在紋理數(shù)據(jù)量較大的圖庫4上。結(jié)合兩部分實驗，可知與前三種描述符相比，本文提出的ECS-LTP在特征維數(shù)相近的情況下，具有更為出色的紋理特征描述能力。

4 結(jié)論

針對已有的紋理譜描述符在描述紋理能力上的不足，本文充分考慮了中心像素在鄰域像素灰度比較的重要性，發(fā)揮LTP在紋理描述時抗噪性強、準(zhǔn)確率高的特點，提出了一種兼具CS-LBP和ICS-LTP優(yōu)點的新型紋理譜描述符。采用不同的紋理圖像庫對文中所提的描述符進行測試，結(jié)果表明，本文提出的ECS-LBP紋理譜描述符可以在不增加特征維數(shù)的情況下，明顯提高聚類效果。