实现单调性光照强度变化的稳健性

2023-06-29 理论教育版权反馈

【摘要】：在不同的场景中获取的纹理图像可能是在不同的光照强度下拍摄的，为了使本章所设计的纹理图像特征提取和识别算法具有对光照强度变化的稳健性，采取图像灰度值归一化的方法和CLBP算法本身所具有的对单调光照变化的稳健性，具体如下所述。根据上述分析可以看出，CLBP算法的三个分量均对单调的光照变化具有稳健性，从而使CLBP算法也获得了对单调性光照变化的稳健性。综上所述，利用本节提出的方法可实现对单调性光照变化的稳健性。

在不同的场景中获取的纹理图像可能是在不同的光照强度下拍摄的，为了使本章所设计的纹理图像特征提取和识别算法具有对光照强度变化的稳健性，采取图像灰度值归一化的方法和CLBP算法本身所具有的对单调光照变化的稳健性，具体如下所述。

1.对每个纹理图像的灰度值进行归一化

按照式（4-4）把每个原始的纹理图像归一化为零均值、标准差为1的图像，实现整幅图像灰度值的归一化，即

pagenumber_ebook=85,pagenumber_book=77

式中：

I —— 原始的灰度纹理图像；

µI —— 原始纹理图像I的灰度平均值；

σI —— 原始纹理图像I的灰度标准差。

2.利用CLBP算法自身所具有的对单调性光照变化的稳健性

根据CLBP算法三个分量（符号分量CLBPS、幅值分量CLBPM、中心像素灰度等级分量CLBPC）的定义可以看出，符号分量CLBPS和幅值分量CLBPM都对邻域像素点的灰度值gp和中心像素点的灰度值gc做差分运算，即（gp−gc），当纹理图像的光照强度发生单调性变化（即纹理图像的灰度值整体升高或降低某个幅值）时，邻域像素点和中心像素点的灰度值会同步地增加或减少相同的幅度，而邻域像素点和中心像素点灰度值的差分运算能够消去这个灰度变化幅度，即差分运算使邻域像素点和中心像素点灰度发生变化的那个部分相互抵消了，从而使灰度差分的结果保持不变，即当光照强度发生单调性变化时仍能使符号分量CLBPS和幅值分量CLBPM的二值模式编码结果保持不变。对于中心像素的灰度等级分量CLBPC，它是利用整个纹理图像的灰度平均值对纹理图像中每个像素的灰度值进行二值化的，因此在发生光照强度单调性变化的情况下，纹理图像的灰度值会整体升高或降低，这会使整个纹理图像的灰度均值也升高或降低相同的幅度，这种灰度的等幅升高或降低不会改变每个像素点灰度值和整幅纹理图像灰度平均值的相对大小关系，从而使原始纹理图像二值化的结果保持不变，即保持中心像素灰度等级分量CLBPC的结果不变。根据上述分析可以看出，CLBP算法的三个分量（即符号分量CLBPS、幅值分量CLBPM、中心像素灰度等级分量CLBPC）均对单调的光照变化具有稳健性，从而使CLBP算法也获得了对单调性光照变化的稳健性。

图4-3展示了利用本节所提出的方法实现光照变化稳健性的效果。其中，图4-3（a）是来自同一个纹理类别的两个不同样本，可以看出由于光照强度的不同，两个样本的纹理图像呈现较大的特征差异，上方的纹理图像由于光照强度较弱，有些区域的视觉特征比较模糊。图4-3（b）和图4-3（c）是利用本节提出的方法计算出的原始纹理图像的符号分量CLBPS和幅值分量CLBPM。可以看出，上方和下方的两幅图像具有非常相似的视觉特征，这表明利用本节方法提取的符号分量CLBPS和幅值分量CLBPM都较好地去除了光照强度变化的影响，虽然两个原始的纹理图像由于光照强度不同而呈现出显著不同的视觉特征，但是利用本节方法提取的纹理图像特征具有更好的相似性。因此，当利用所提取的纹理特征对这两个样本的纹理类别进行判定时，更容易将这两个纹理样本划分到同一类别，即实现了正确的纹理识别。综上所述，利用本节提出的方法可实现对单调性光照变化的稳健性。

pagenumber_ebook=86,pagenumber_book=78

图4-3　利用本节所提出的方法实现对单调性光照变化的稳健性

实现单调性光照强度变化的稳健性

相关推荐