基于改进LBP的作物病斑图像分割算法研究

来源:用户上传      作者:

　　摘要：本文立足于经典的LBP算法之上，提出一种基于邻域相关度的改进LBP算子，将各个像素点与周围像素点之间的相关性考虑在内，融合局部特征和全局特征，显示图像灰度值变化的强度，增加目标与背景的对比度信息，突出目标像素的显著性，使病斑纹理更加显著化，利于进一步分割。
　　关键词：LBP;邻域相关度;分割
　　中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2019）04-0117-02
　　0 绪论
　　近年来，LBP因算法易于理解、计算简单、区分能力强等优点被广泛关注。经过改进出现了多尺度LBP、旋转不变LBP、LBP等价模式以及旋转不变等价模式LBP。但从纹理图像的分割来看，虽然等价模式LBP算子获得的纹理图像特征辨识度较好，且在诸多领域被广泛应用，但基本LBP及大多数改进方法仅考虑的是局部区域内中心像素與周围邻域像素的差值大小，忽略了图像灰度值的变化情况，没有考虑像素间邻域信息的关联性，缺乏对图像纹理信息更全面有效的表达，而像素之间的关联程度，恰恰体现了图像的纹理复杂与否。
　　1 LBP算子概述
　　LBP（Local Binary Pattern，局部二值模式）是一种基于统计的用来描述纹理特征的有效算子，阈值由中心像素值是该算法的核心，相邻域的像素值与该像素值一一比较，比阈值大的置为1，小于阈值置为0，得到与之对应二进制编码，即表征局部纹理特性。
　　随着研究的深入，LBP算子由于只在指定半径的范围内进行定义，不能达到灰度旋转不变性要求，同时，对于多种尺寸和频率的纹理特征描述也有不足又出现了多尺度LBP、旋转不变LBP、LBP等价模式以及旋转不变等价模式LBP。
　　2 基于改进的LBP图像分割算法研究
　　2.1 LBP算子缺陷分析
　　一个3×3窗口，中心像素为6，邻域像素顺时针旋转分别为1、1、3、5、5、5、3、2、3，可以看窗口内中心像素点的值比其邻域内其他点都高，但其中一些像素点与中心像素点的差值较大，而有些与中心像素点差别较小，基本LBP算子依靠单个像素内的特征，只对差值大小进行考虑，主要是根据窗口内中心像素点与周围邻点间的像素差获得纹理，存在对特征信息提取不全面，忽略了图像灰度值的变化情况，一般灰度变化较大处，说明纹理较复杂。
　　2.2 邻域相关度计算
　　像素之间具有邻域信息相关的特性，相邻像素间差异能反映像素间的关联程度，即邻域相关度。一个区域块内像素点间的邻域相关度越小，表明该邻域块内像素越接近，表现出的图像纹理变化较平缓，相反，一个区域块内像素点间的邻域相关度越大，表明图像纹理变化较大，因此可利用邻域相关度表征图像纹理，突出图像中某些纹理的显著性，将其利用在作物病斑图像上，可以使病斑纹理显著化。
　　3 结语
　　本文将相邻像素之间的关联性信息加入到所提取的特征中，使描述的纹理特征更精细，能够使目标像素显著化，运用在作物病害叶片图像的分割处理中，即实现对病害叶片图像的显著化处理，使病斑凸显，轮廓清晰，平滑正常叶片部分，利于病斑的分割。
　　参考文献
　　[1] 郭艳蓉，蒋建国，郝世杰，等.基于LBP纹理特征的随机游走图像分割[J].电路与系统学报，2013，18（1）：357-364.
　　[2] 冯晓毅，罗妙宣，夏召强.基于JSEG和LBP相结合的遥感图像分割[C].数字中国发展高层论坛暨信息主管峰会，2008.
　　[3] 詹曙，胡德凤，蒋建国，等.结合GLWT和LBP提取纹理特征的图像分割[J].电子测量与仪器学报，2014，28（2）：198-202.
转载注明来源:https://www.xzbu.com/8/view-14941184.htm