第3期 王庆，等：基于梯度比率的SAR图像局部特征提取方法研究 .287. 像的纹理算子，该方法通过图像量化编码和直方图 LBP),记为LBP“。LBP首先采用圆形邻域，等间隔 计算，得到图像纹理特征信息，实现了高精度的 采样点后再分别与中心像素进行二值化计算，将具 SAR图像分类。局部梯度比率直方图(local gradient 有相同最小或最大编码的模式合并为一种新的模 ratio pattern histogram,LGRPH)【9)是一种比率测度 式。具体计算公式为 算子，克服了SAR图像的相干斑噪声和局部梯度变 LBP"&min(ROR(LBP2.R,i)li=0,1,...,P-1) 化，有效地用于SAR图像目标识别。 式中ROR(x,k)表示对P位二进制数向右循环移位 总体而言，目前的局部算子研究都只能用于图 k次(Ik|≤P)。 像纹理信息提取。由于LBP算子是基于像素灰度 通过定义旋转不变，使得LBP算子对图像旋转 的差值计算，在SAR图像中受乘性噪声的严重影 更加鲁棒，进一步减少了LBP算子的模式种类。 响，精确性差，因此在SAR图像中不适用。而基于 1.3光学与SAR图像中LBP算子的抗旋转性比较 局部模式的LPH算子忽略了邻域像素的相关性，从 分析 而影响SAR图像特征提取的准确性O)。同时基于 基本LBP和旋转不变LBP均为描述纹理特征 梯度比率的LGRPH算子缺少对方向角度的描述， 的局部算子，相比前者，后者利用循环位移使算子 因此在SAR图像中对目标的旋转变化不鲁棒。针 具有了旋转不变性。下面通过光学图像和SAR图 对上述问题，本文分析了LBP与旋转不变LBP的数 像的实验对比，分析旋转不变LBP算子对图像旋转 学模型和算法原理，引入了适合SAR图像噪声环境 的鲁棒性和LBP算子对SAR图像的不适用性，如图 的LGRP算子，并对其进行旋转不变改进与实验验 2和图3所示。 证。基于LGRPH特征的旋转不变特性，设计了 SAR图像目标分类识别实验和纹理对比实验，实验 结果表明本文所改进的LGRP特征能克服SAR图 像乘性噪声的影响，对目标的旋转变化有很好的鲁 棒性。 1局部二值模式 (a)lena图 (b)LBP模式图 (cLBP"模式图 ×10时 2.5 1.1局部二值模式的数学基础 2.0 2.0 1.5 局部二值模式通过对局部二值化的邻域像素 310 进行编码，能够有效地提取图像纹理信息，其计算 05 05 0u 流程如图1所示。在3×3邻域内，分别比较周围像 100200300 100200300 100200300 像素个数 像素个数 像素个数 素值g。与中心像素值g。的大小，由判别函数s(x) (d)直方图 (eLBP直方图 (①LBP”直方图 得到二值化编码串的值，即为LBP特征值。计算公 图2图像旋转前LBP和旋转不变LBP算子比较 式如下： Fig.2 Comparison of LBP and rotation invariant LBP operator before image rotation LBPP.R= ∑s(g。-g)2 式中：P为邻域像素个数：R为邻域半径：判别函数 的表达式为s(x)= 1, x≥0 0 x<0 759 101 366 0 1 *(01101101) (a)旋转后的Lena图 b)LBP模式图 (cLBP模式图 8104 110 g*10 7 10 2.5 3×3领域 二值化结果 二进制编码 2.0 1.5 图1LBP算子计算过程 1.0 2 无明显变化 0.5 Fig.1 Calculation process of the original LBP u 100200300 0100200300 0100200300 1.2旋转不变局部二值模式 像素个数 像素个数 像素个数 图像的旋转变化会导致基本LBP算子的二进 (d旋转后的图像直方图 (e)LBP直方图 (LBP直方图 图3图像旋转后LBP和旋转不变LBP算子比较 制编码循环移位，从而计算的特征值发生变化，因 Fig.3 Comparison of LBP and rotation invariant LBP 此引入旋转不变局部二值模式（以下简称旋转不变 operator after image rotation像的纹理算子，该方法通过图像量化编码和直方图 计算，得到图像纹理特征信息， 实现了高精度的 ＳＡＲ 图像分类。 局部梯度比率直方图（ｌｏｃａｌ ｇｒａｄｉｅｎｔ ｒａｔｉｏ ｐａｔｔｅｒｎ ｈｉｓｔｏｇｒａｍ，ＬＧＲＰＨ） ［９］ 是一种比率测度 算子，克服了 ＳＡＲ 图像的相干斑噪声和局部梯度变 化，有效地用于 ＳＡＲ 图像目标识别。 总体而言，目前的局部算子研究都只能用于图 像纹理信息提取。 由于 ＬＢＰ 算子是基于像素灰度 的差值计算，在 ＳＡＲ 图像中受乘性噪声的严重影 响，精确性差，因此在 ＳＡＲ 图像中不适用。 而基于 局部模式的 ＬＰＨ 算子忽略了邻域像素的相关性，从 而影响 ＳＡＲ 图像特征提取的准确性［１０］ 。 同时基于 梯度比率的 ＬＧＲＰＨ 算子缺少对方向角度的描述， 因此在 ＳＡＲ 图像中对目标的旋转变化不鲁棒。 针 对上述问题，本文分析了 ＬＢＰ 与旋转不变 ＬＢＰ 的数 学模型和算法原理，引入了适合 ＳＡＲ 图像噪声环境 的 ＬＧＲＰ 算子，并对其进行旋转不变改进与实验验 证。 基于 ＬＧＲＰＨ 特征的旋转不变特性， 设计了 ＳＡＲ 图像目标分类识别实验和纹理对比实验，实验 结果表明本文所改进的 ＬＧＲＰ 特征能克服 ＳＡＲ 图 像乘性噪声的影响，对目标的旋转变化有很好的鲁 棒性。 １ 局部二值模式 １．１ 局部二值模式的数学基础 局部二值模式通过对局部二值化的邻域像素 进行编码，能够有效地提取图像纹理信息，其计算 流程如图 １ 所示。 在 ３×３ 邻域内，分别比较周围像 素值 ｇｐ 与中心像素值 ｇｃ 的大小，由判别函数 ｓ（ ｘ） 得到二值化编码串的值，即为 ＬＢＰ 特征值。 计算公 式如下： ＬＢＰ Ｐ，Ｒ ＝ ∑ Ｐ－１ Ｐ ＝ ０ ｓ（ｇｐ － ｇｃ）２ Ｐ 式中：Ｐ 为邻域像素个数；Ｒ 为邻域半径；判别函数 的表达式为 ｓ（ｘ）＝ １， ｘ≥０ ０， ｘ＜０ { 。 图 １ ＬＢＰ 算子计算过程 Ｆｉｇ．１ Ｃａｌｃｕｌａｔｉｏｎ ｐｒｏｃｅｓｓ ｏｆ ｔｈｅ ｏｒｉｇｉｎａｌ ＬＢＰ １．２ 旋转不变局部二值模式 图像的旋转变化会导致基本 ＬＢＰ 算子的二进 制编码循环移位，从而计算的特征值发生变化，因 此引入旋转不变局部二值模式（以下简称旋转不变 ＬＢＰ），记为 ＬＢＰ ｒｉ 。 ＬＢＰ ｒｉ首先采用圆形邻域，等间隔 采样点后再分别与中心像素进行二值化计算，将具 有相同最小或最大编码的模式合并为一种新的模 式。 具体计算公式为 ＬＢＰ ｒｉ Ｐ，Ｒ ＝ ｍｉｎ{ＲＯＲ（ＬＢＰ Ｐ，Ｒ ，ｉ） ｉ ＝ ０，１，…，Ｐ － １} 式中 ＲＯＲ（ｘ，ｋ）表示对 Ｐ 位二进制数向右循环移位 ｋ 次（ ｜ ｋ ｜≤Ｐ）。 通过定义旋转不变，使得 ＬＢＰ 算子对图像旋转 更加鲁棒，进一步减少了 ＬＢＰ 算子的模式种类。 １．３ 光学与 ＳＡＲ 图像中 ＬＢＰ 算子的抗旋转性比较 分析 基本 ＬＢＰ 和旋转不变 ＬＢＰ 均为描述纹理特征 的局部算子，相比前者，后者利用循环位移使算子 具有了旋转不变性。 下面通过光学图像和 ＳＡＲ 图 像的实验对比，分析旋转不变 ＬＢＰ 算子对图像旋转 的鲁棒性和 ＬＢＰ 算子对 ＳＡＲ 图像的不适用性，如图 ２ 和图 ３ 所示。 图 ２ 图像旋转前 ＬＢＰ 和旋转不变 ＬＢＰ 算子比较 Ｆｉｇ．２ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ＬＢＰ ａｎｄ ｒｏｔａｔｉｏｎ ｉｎｖａｒｉａｎｔ ＬＢＰ ｏｐｅｒａｔｏｒ ｂｅｆｏｒｅ ｉｍａｇｅ ｒｏｔａｔｉｏｎ 图 ３ 图像旋转后 ＬＢＰ 和旋转不变 ＬＢＰ 算子比较 Ｆｉｇ．３ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ＬＢＰ ａｎｄ ｒｏｔａｔｉｏｎ ｉｎｖａｒｉａｎｔ ＬＢＰ ｏｐｅｒａｔｏｒ ａｆｔｅｒ ｉｍａｇｅ ｒｏｔａｔｉｏｎ 第 ３ 期 王庆，等：基于梯度比率的 ＳＡＲ 图像局部特征提取方法研究 ·２８７·