本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種圖像特征提取方法，尤其是一種復(fù)雜光照下圖像特征提取方法。

背景技術(shù)：

近年來，隨著科技的不斷發(fā)展，圖像特征提取技術(shù)逐漸成為計(jì)算機(jī)視覺領(lǐng)域最熱門的研究課題之一，吸引了大量學(xué)者的研究和關(guān)注。該技術(shù)的普及順應(yīng)了時(shí)代的發(fā)展，也給人們的工作和生活帶來方便。但由于提取到的圖像特征容易受到光照變化的影響，因此即便發(fā)展到今天，圖像特征提取技術(shù)依舊存在著一定的局限性。

現(xiàn)有技術(shù)中，典型的圖像特征提取技術(shù)有wld、lgs等，這些算法都存在一些缺陷，具體如下所述：

一、wld算法：

(1)wld算子在計(jì)算像素點(diǎn)xc的差分激勵(lì)ξ(xc)時(shí)采用的是各向同性的濾波器，即二階拉普拉斯算子，而這就造成了像素點(diǎn)之間的差值互相抵消，從而沒有將局部灰度信息充分展現(xiàn)出來；

(2)wld算子僅對(duì)像素點(diǎn)xc水平方向和垂直方向上的灰度變化情況進(jìn)行了表述，并沒有完全表述出xc所有鄰接像素點(diǎn)的灰度變化情況，因此在對(duì)紋理的內(nèi)在變化進(jìn)行描述時(shí)存在著一些問題。

二、lgs算法

局部圖結(jié)構(gòu)(lgs)算子雖然擁有計(jì)算簡單、紋理區(qū)分能力強(qiáng)、灰度不變性等諸多顯著優(yōu)點(diǎn)，然而，lgs算子亦有一定的局限性：

(1)它包含了鄰域像素之間的冗余信息；

(2)由于這種局部紋理描述子在結(jié)構(gòu)上是不對(duì)稱的，它并沒有從像素的左右鄰域內(nèi)獲取數(shù)量一致的信息，其右側(cè)鄰域相比于左側(cè)包含了更多的像素(左側(cè)擁有2個(gè)像素，而右側(cè)則擁有3個(gè)像素)。因此，在表示像素的局部紋理特征時(shí)，從其鄰域計(jì)算得出的lgs值包含了更多的右側(cè)空間信息。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供一種復(fù)雜光照下圖像特征提取方法。

本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：

這種復(fù)雜光照下圖像特征提取方法為：

(1)首先計(jì)算wld各向異性差分激勵(lì)，得到圖像的差分激勵(lì)特征；

(2)計(jì)算對(duì)稱性lgs算子，得到圖像的對(duì)稱性lgs特征；

(3)使用各向異性的wld差分激勵(lì)特征和對(duì)稱性lgs特征分別替代wld算子中的差分激勵(lì)特征和梯度方向特征，融合成wlgs特征；

(4)將步驟(3)中的二維wlgs特征直方圖進(jìn)一步映射成一維wlgs特征直方圖，以增強(qiáng)特征的區(qū)分性能和描述能力。

進(jìn)一步，以上步驟(1)中，計(jì)算wld各向異性差分激勵(lì)方法為：

log算子的函數(shù)形式如下：

通過對(duì)σ在x和y方向上分別取不同的值，從而使得σ對(duì)x和y產(chǎn)生具有差別的影響；

對(duì)于一個(gè)標(biāo)準(zhǔn)的橢圓，其數(shù)學(xué)表達(dá)式為：

x²/a²+y²/b²＝1(a≠b)(3)

將這個(gè)橢圓逆時(shí)針方向轉(zhuǎn)α角度后，得出新的坐標(biāo)關(guān)系：

將式(4)帶入式(3)中，可得到此時(shí)該橢圓方程為：

(xcosα+ysinα)²/a²+(ycosα-xsinα)²/b²＝1(5)

再將式(5)帶入式(2)中，可得到各向異性的log算子：

式中各參數(shù)的取值分別為：a＝xcos²α+ysinαcosα，b＝xsin²α-ysinαcosα，c＝xsinαcosα+ysin²α，d＝-xsinαcosα+ycos²α，e＝xcosα+ysinα，f＝y(tǒng)cosα-xsinα；

尺度參量σx的計(jì)算公式如下：

其中i(x,y)代表像素點(diǎn)(x,y)的灰度值，i(x,y)的值歸一化為[0，1]區(qū)間；

尺度參量σy的計(jì)算公式如下：

式中，k取固定值，表示m×n窗口內(nèi)的灰度均方差，代表鄰域灰度的均值,和i(i,j)的取值范圍均為[0,255]；

針對(duì)各向異性log算子中的角度參量α，采用kirsch算子來進(jìn)行確定；通過對(duì)圖像中各點(diǎn)的每個(gè)方向模板進(jìn)行計(jì)算，并將其中取得最大值的模板對(duì)應(yīng)的方向作為該點(diǎn)的角度參量值，即可實(shí)現(xiàn)α根據(jù)每個(gè)像素點(diǎn)的最大方向值自適應(yīng)確定角度的目的；

將得到的尺度參量σx，σy，角度參量α代入式6，就能夠形成各向異性的log算子，然后再通過以下公式(9)得到圖像f的各向異性wld差分激勵(lì)算子：

進(jìn)一步，以上步驟(2)中，計(jì)算對(duì)稱性lgs算子：

對(duì)于目標(biāo)像素點(diǎn)(xd,yd)，其對(duì)稱性lgs編碼計(jì)算公式如式(10)所示：

其中，p＝7,6,…,0表示二項(xiàng)式加權(quán)值，gd-gn表示后一個(gè)像素點(diǎn)與前一個(gè)像素點(diǎn)之間的像素差值，并且

進(jìn)一步，以上步驟(4)中：

wlgs由兩部分組成：差分激勵(lì)和ilgs；對(duì)于給定的一副圖像，首先利用圖計(jì)算出每個(gè)像素點(diǎn)的ilgs編碼值，然后計(jì)算出每個(gè)像素點(diǎn)的各向異性差分激勵(lì)，從而得到ilgs圖像和差分激勵(lì)圖像；根據(jù)ilgs圖像和差分激勵(lì)圖像，構(gòu)造二維直方圖來描述圖像的特征wlgshistogram(m,t)：

wlgshistogram(m,t)＝{ξ,ilgs}

其中m＝0,1,…,m-1,t＝0,1,…,t-1，wlgshistogram(m,t)的大小為t×m，m是ξ的區(qū)間數(shù)，t是ilgs值的總數(shù)。進(jìn)一步，所述t的最優(yōu)值設(shè)為256。

進(jìn)一步，以上二維直方圖中的每一列對(duì)應(yīng)的是一個(gè)ilgs值，每一行則對(duì)應(yīng)著一個(gè)差分激勵(lì)區(qū)間，因此，每一小塊wlgshistogram(m,t)對(duì)應(yīng)的是一個(gè)確定的差勵(lì)區(qū)間m和ilgs值t的頻率。

進(jìn)一步，對(duì)以上二維直方圖wlgshistogram(m,t)按行進(jìn)行展開，并形成一個(gè)一維直方圖h；其中，每一個(gè)子直方圖h(m)對(duì)應(yīng)的是差勵(lì)區(qū)間m；把m個(gè)子直方圖按照一定的順序連接起來就形成了最終的一維直方圖h＝[h(0),h(1),…h(huán)(m-1)]。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

本發(fā)明復(fù)雜光照下圖像特征提取方法結(jié)合了韋伯局部描述符和局部圖結(jié)構(gòu)的優(yōu)點(diǎn)，提出基于局部圖結(jié)構(gòu)的特征提取方法(wlgs)，其通過使用各向異性的wld差分激勵(lì)和對(duì)稱性lgs算子分別替代原始wld算子中的差分激勵(lì)和梯度方向而產(chǎn)生的。利用wlgs算子進(jìn)行圖像特征提取時(shí)，首先計(jì)算出該圖像的各向異性差分激勵(lì)圖像和對(duì)稱性lgs圖像，然后將其融合形成二維wlgs直方圖，并進(jìn)而轉(zhuǎn)化為一維直方圖，以用其對(duì)圖像特征進(jìn)行表示。實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有技術(shù)中經(jīng)典的圖像特征提取方法相比，本文算法在進(jìn)行圖像特征提取時(shí)對(duì)光照變化更具魯棒性。

附圖說明

圖1為ilgs算子結(jié)構(gòu)圖；

圖2為ilgs算子計(jì)算示意圖；

圖3為韋伯局部圖結(jié)構(gòu)(wlgs)算子示意圖；

圖4為wlgs直方圖計(jì)算示意圖；

圖5為差分激勵(lì)計(jì)算示意圖；

圖6為lgs算子結(jié)構(gòu)圖；

圖7為lgs算子；

圖8為photex數(shù)據(jù)庫部分圖像；

圖9為photex數(shù)據(jù)庫對(duì)比實(shí)驗(yàn)結(jié)果圖；

圖10為rawfoot數(shù)據(jù)庫部分圖像；

圖11為rawfoot數(shù)據(jù)庫對(duì)比實(shí)驗(yàn)結(jié)果圖。

具體實(shí)施方式

本發(fā)明的復(fù)雜光照下圖像特征提取方法，具體包括以下步驟：

步驟一、首先計(jì)算wld各向異性差分激勵(lì)，得到圖像的差分激勵(lì)特征；具體為：

log算子的函數(shù)形式如下：

可以通過對(duì)σ在x和y方向上分別取不同的值，從而使得σ對(duì)x和y產(chǎn)生具有差別的影響。

對(duì)于一個(gè)標(biāo)準(zhǔn)的橢圓，其數(shù)學(xué)表達(dá)式為：

x²/a²+y²/b²＝1(a≠b)(3)

如果將這個(gè)橢圓逆時(shí)針方向轉(zhuǎn)α角度后，可得出其新的坐標(biāo)關(guān)系：

將式(4)帶入式(3)中，可得到此時(shí)該橢圓方程為：

(xcosα+ysinα)²/a²+(ycosα-xsinα)²/b²＝1(5)

再將式(5)帶入式(2)中，可得到各向異性的log算子：

式中各參數(shù)的取值分別為：a＝xcos²α+ysinαcosα，b＝xsin²α-ysinαcosα，c＝xsinαcosα+ysin²α，d＝-xsinαcosα+ycos²α，e＝xcosα+ysinα，f＝y(tǒng)cosα-xsinα。

尺度參量σx的計(jì)算公式如下：

其中i(x,y)代表像素點(diǎn)(x,y)的灰度值，i(x,y)的值歸一化為[0，1]區(qū)間。

尺度參量σy的計(jì)算公式如下：

式中，k取固定值，表示m×n窗口內(nèi)的灰度均方差，代表鄰域灰度的均值,和i(i,j)的取值范圍均為[0,255]。

針對(duì)各向異性log算子中的角度參量α，采用kirsch算子來進(jìn)行確定。通過對(duì)圖像中各點(diǎn)的每個(gè)方向模板進(jìn)行計(jì)算，并將其中取得最大值的模板對(duì)應(yīng)的方向作為該點(diǎn)的角度參量值，即可實(shí)現(xiàn)α根據(jù)每個(gè)像素點(diǎn)的最大方向值自適應(yīng)確定角度的目的。

將得到的尺度參量σx，σy，角度參量α代入式(6)，就能夠形成各向異性的log算子。然后再通過公式(9)就能夠得到圖像f的各向異性wld差分激勵(lì)算子。

步驟二、計(jì)算對(duì)稱性lgs算子，得到圖像的對(duì)稱性lgs特征；具體計(jì)算對(duì)稱性lgs算子(ilgs)：

對(duì)于目標(biāo)像素點(diǎn)(xd,yd)，其對(duì)稱性lgs編碼計(jì)算公式如式(10)所示：

其中，p＝7,6,…,0表示二項(xiàng)式加權(quán)值，gd-gn表示后一個(gè)像素點(diǎn)與前一個(gè)像素點(diǎn)之間的像素差值，并且

其計(jì)算過程示意圖如圖1所示。

圖2給出了一個(gè)ilgs的計(jì)算實(shí)例，其計(jì)算過程與lgs類似。

步驟三、使用各向異性的wld差分激勵(lì)特征和對(duì)稱性lgs特征分別替代wld算子中的差分激勵(lì)特征和梯度方向特征，融合成wlgs特征。

步驟四、將步驟三中的二維wlgs特征直方圖進(jìn)一步映射成一維wlgs特征直方圖，以增強(qiáng)特征的區(qū)分性能和描述能力，具體如下：

wlgs由兩部分組成：差分激勵(lì)和ilgs。對(duì)于給定的一副圖像，首先利用圖計(jì)算出每個(gè)像素點(diǎn)的ilgs編碼值，然后計(jì)算出每個(gè)像素點(diǎn)的各向異性差分激勵(lì)，從而得到ilgs圖像和差分激勵(lì)圖像。如圖3所示。根據(jù)這兩幅圖像，構(gòu)造二維直方圖來描述圖像的特征：

wlgshistogram(m,t)＝{ξ,ilgs}

其中m＝0,1,…,m-1,t＝0,1,…,t-1，wlgshistogram(m,t)的大小為t×m，m是ξ的區(qū)間數(shù)，t是ilgs值的總數(shù)，在本文中，t的值設(shè)為256。

簡而言之，二維直方圖中的每一列對(duì)應(yīng)的是一個(gè)ilgs值，每一行則對(duì)應(yīng)著一個(gè)差分激勵(lì)區(qū)間。因此，每一小塊wlgshistogram(m,t)對(duì)應(yīng)的是一個(gè)確定的差勵(lì)區(qū)間m和ilgs值t的頻率。

出于增強(qiáng)特征的區(qū)分性和描述能力的目的，需要對(duì)二維直方圖wlgshistogram(m,t)按行進(jìn)行展開，并形成一個(gè)一維直方圖h。其中，每一個(gè)子直方圖h(m)對(duì)應(yīng)的是差勵(lì)區(qū)間m。把m個(gè)子直方圖按照一定的順序連接起來就形成了最終的一維直方圖h＝[h(0),h(1),…h(huán)(m-1)]。如圖4所示。

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述：

本發(fā)明基于韋伯算子(wld)和局部圖結(jié)構(gòu)(lgs)算子展開。針對(duì)wld算子各向同性的特點(diǎn)，提出了一種各向異性的wld算子，以解決其在具有方向性差異的場(chǎng)合中局部紋理區(qū)分能力不足的問題。同時(shí)，針對(duì)lgs算子結(jié)構(gòu)上的不對(duì)稱且包含了冗余信息的問題，提出了一種對(duì)稱性的lgs算子，從而構(gòu)建了一種更為均衡的用來提取像素鄰域間紋理信息的方式。并在此基礎(chǔ)上結(jié)合韋伯局部描述符和局部圖結(jié)構(gòu)的優(yōu)點(diǎn)，提出了一種基于韋伯局部圖結(jié)構(gòu)的人臉特征提取方法(wlgs)，它是通過用各向異性wld差分激勵(lì)和對(duì)稱性lgs算子分別替代原始wld算子中的差分激勵(lì)和梯度方向而產(chǎn)生的，能夠提取更多的紋理細(xì)節(jié)和多個(gè)方向梯度信息，所以能更好地提取出圖像的細(xì)節(jié)信息。

項(xiàng)異性wld算子

wld差分激勵(lì)通過中心像素和鄰域像素的灰度值來計(jì)算，它用來描述圖像的顯著變化，反映了局部窗內(nèi)灰度變化的強(qiáng)度信息，其目的是尋找一幅圖像在人眼視覺感知中變化比較明顯的區(qū)域。設(shè)當(dāng)前像素點(diǎn)為xc，該像素點(diǎn)的差分激勵(lì)為ξ(xc)。則各向同性wld差分激勵(lì)計(jì)算過程如下圖5所示。其中：表示當(dāng)前像素點(diǎn)xc與其p個(gè)鄰接像素點(diǎn)之間的像素差值，表示當(dāng)前像素點(diǎn)xc的像素值。

由于wld算子在計(jì)算像素點(diǎn)xc的差分激勵(lì)ξ(xc)時(shí)采用的是各向同性的二階拉普拉斯算子來作為濾波器，而這就造成了像素點(diǎn)之間的差值互相抵消，從而沒有將局部灰度信息充分展現(xiàn)出來。因此本發(fā)明的改進(jìn)算法將從此入手，將高斯濾波和拉普拉斯算子結(jié)合在一起并對(duì)其進(jìn)行改進(jìn)，形成各向異性log(laplacianofgaussian)算子。然后通過式2.1對(duì)圖像f與log算子進(jìn)行卷積來對(duì)δi進(jìn)行計(jì)算，即得各向異性的wld差分激勵(lì)算子。

δi＝log*f(x,y)(2.1)

根據(jù)上述理論基礎(chǔ)，通過推導(dǎo)出改進(jìn)型的log算子就可以實(shí)現(xiàn)對(duì)原始wld算子差分激勵(lì)分量的改進(jìn)。

傳統(tǒng)的log算子的函數(shù)形式如下：

可以通過對(duì)σ在x和y方向上分別取不同的值，從而使得σ對(duì)x和y產(chǎn)生具有差別的影響。

對(duì)于一個(gè)標(biāo)準(zhǔn)的橢圓，其數(shù)學(xué)表達(dá)式為：

x²/a²+y²/b²＝1(a≠b)(2.4)

如果將這個(gè)橢圓逆時(shí)針方向轉(zhuǎn)α角度后，可得出其新的坐標(biāo)關(guān)系：

將式2.5帶入式2.4中，可得到此時(shí)該橢圓方程為：

(xcosα+ysinα)²/a²+(ycosα-xsinα)²/b²＝1(2.6)

再將式2.6帶入式2.3中，可得到各向異性的log算子：

式中各參數(shù)的取值分別為：a＝xcos²α+ysinαcosα，b＝xsin²α-ysinαcosα，c＝xsinαcosα+ysin²α，d＝-xsinαcosα+ycos²α，e＝xcosα+ysinα，f＝y(tǒng)cosα-xsinα。

尺度參量σx的計(jì)算公式如下：

其中i(x,y)代表像素點(diǎn)(x,y)的灰度值，i(x,y)的值歸一化為[0，1]區(qū)間。

尺度參量σy的計(jì)算公式如下：

式中，k取固定值，表示m×n窗口內(nèi)的灰度均方差，代表鄰域灰度的均值,和i(i,j)的取值范圍均為[0,255]。

針對(duì)各向異性log算子中的角度參量α，本文采用kirsch算子來對(duì)其進(jìn)行確定。kirsch算子含有8個(gè)方向模板，并且每個(gè)模板分別代表一種特定方向，通過對(duì)圖像中各點(diǎn)的每個(gè)方向模板進(jìn)行計(jì)算，并將其中取得最大值的模板對(duì)應(yīng)的方向作為該點(diǎn)的角度參量值，即可實(shí)現(xiàn)α根據(jù)每個(gè)像素點(diǎn)的最大方向值自適應(yīng)確定角度的目的。

將得到的尺度參量σx，σy，角度參量α代入式2.7，就能夠形成各向異性的log算子。然后再通過公式2.1即可得到各向異性的wld差分激勵(lì)算子。

對(duì)稱性lgs算子

lgs算子定義在一個(gè)3×4的矩形窗口內(nèi)，如圖6所示，針對(duì)目標(biāo)像素點(diǎn)(圖中用灰色圓點(diǎn)表示)，局部圖結(jié)構(gòu)首先按逆時(shí)針方向沿著該像素左邊區(qū)域移動(dòng)。如果后一個(gè)像素點(diǎn)的值大于或者等于前一個(gè)像素點(diǎn)的值，那么將會(huì)標(biāo)記一個(gè)二進(jìn)制值1用于連接兩個(gè)像素點(diǎn)，否則將會(huì)其標(biāo)記為0。在完成目標(biāo)像素點(diǎn)左邊區(qū)域的比較后，水平移動(dòng)至該像素點(diǎn)的右側(cè)鄰接像素點(diǎn)進(jìn)行比較，然后再按順時(shí)針方向?qū)τ疫厖^(qū)域應(yīng)用相同的過程,直到回到目標(biāo)像素點(diǎn)為止。因此當(dāng)比較完所有的像素點(diǎn)之后，在3×4的矩形窗口內(nèi)將會(huì)獲得一個(gè)八比特的二進(jìn)制數(shù)，然后再按照位置分別賦予不一樣的權(quán)重值，并對(duì)其進(jìn)行求和，就可以將該二進(jìn)制數(shù)轉(zhuǎn)換為一個(gè)十進(jìn)制的整數(shù)，這個(gè)整數(shù)就作為這個(gè)矩形窗口中目標(biāo)像素點(diǎn)的lgs編碼值，然后就能夠用這個(gè)編碼值來反映這個(gè)區(qū)域的紋理特征信息。

局部圖結(jié)構(gòu)(lgs)算子雖然擁有計(jì)算簡單、紋理區(qū)分能力強(qiáng)、灰度不變性等諸多顯著優(yōu)點(diǎn)，然而，lgs算子亦有一定的局限性。它包含了鄰域像素之間的冗余信息，例如圖7中像素分別為30和33的像素點(diǎn)，并且由于這種局部紋理描述子在結(jié)構(gòu)上是不對(duì)稱的，它并沒有從像素的左右鄰域內(nèi)獲取數(shù)量一致的信息，其右側(cè)鄰域相比于左側(cè)包含了更多的像素(左側(cè)擁有2個(gè)像素，而右側(cè)則擁有3個(gè)像素)。因此，在表示像素的局部紋理特征時(shí)，從其鄰域計(jì)算得出的lgs值包含了更多的右側(cè)空間信息。

針對(duì)上述問題，本發(fā)明提出一種改進(jìn)型的lgs算子，稱為ilgs算子，用以提高lgs算子的性能。ilgs算子是一個(gè)對(duì)稱性的局部圖結(jié)構(gòu)，如圖4所示，其對(duì)稱性主要是通過修改普通lgs左右鄰域內(nèi)不相等的像素?cái)?shù)量得到的，ilgs在其左右鄰域內(nèi)擁有相同的像素?cái)?shù)量(左右鄰域內(nèi)均有3個(gè)像素的值被加以利用)。與普通lgs算子相比，該算子能提取到更多關(guān)于圖像紋理的空間信息，并且可以以一種更加平衡的方式提取像素左右鄰域的紋理信息，使得每一個(gè)像素的局部特征有一個(gè)更好的表示。

韋伯局部圖結(jié)構(gòu)(wlgs)

wlgs由兩部分組成：差分激勵(lì)和ilgs。對(duì)于給定的一副圖像，首先利用圖計(jì)算出每個(gè)像素點(diǎn)的ilgs編碼值，然后計(jì)算出每個(gè)像素點(diǎn)的各向異性差分激勵(lì)，從而得到ilgs圖像和差分激勵(lì)圖像。

根據(jù)這兩幅圖像，構(gòu)造二維直方圖來描述圖像的特征：

wlgshistogram(m,t)＝{ξ,ilgs}

其中m＝0,1,…,m-1,t＝0,1,…,t-1，wlgshistogram(m,t)的大小為t×m，m是ξ的區(qū)間數(shù)，t是ilgs值的總數(shù)，在本文中，t的值設(shè)為256。

簡而言之，二維直方圖中的每一列對(duì)應(yīng)的是一個(gè)ilgs值，每一行則對(duì)應(yīng)著一個(gè)差分激勵(lì)區(qū)間。因此，每一小塊wlgshistogram(m,t)對(duì)應(yīng)的是一個(gè)確定的差勵(lì)區(qū)間m和ilgs值t的頻率。

出于增強(qiáng)特征的區(qū)分性和描述能力的目的，需要對(duì)二維直方圖wlgshistogram(m,t)按行進(jìn)行展開，并形成一個(gè)一維直方圖h。其中，每一個(gè)子直方圖h(m)對(duì)應(yīng)的是差勵(lì)區(qū)間m。把m個(gè)子直方圖按照一定的順序連接起來就形成了最終的一維直方圖h＝[h(0),h(1),…h(huán)(m-1)]。

實(shí)驗(yàn)結(jié)果與對(duì)比分析

為了驗(yàn)證算法的有效性，本發(fā)明選用了photex數(shù)據(jù)庫<http://www.macs.hw.ac.uk/texturelab/resources/databases/>，該數(shù)據(jù)中包括了各種方向的紋理圖像，這些圖像是從不同光照環(huán)境下拍攝的各種圖像，可以很好的驗(yàn)證光照復(fù)雜性目標(biāo)圖像的描述性能。在試驗(yàn)中，本發(fā)明選取了18種紋理，每種有20種不同光照的環(huán)境，部分圖像圖8所示。

為了更好的表示算法的有效性，本發(fā)明選擇經(jīng)典的去光照特征提取方法局部二進(jìn)制模式，韋伯二進(jìn)制模式韋、伯局部描述算子和本發(fā)明方法進(jìn)行對(duì)比，在試驗(yàn)中，分類識(shí)別算法選取徑向基神經(jīng)網(wǎng)絡(luò)(取matlab工具箱)，實(shí)驗(yàn)的結(jié)果如圖9所示，從圖9可以看出，隨著訓(xùn)練樣本數(shù)的增加，各種方法的識(shí)別率都在增加。此外，我們可以看出，我們提出的方法取得了最好的識(shí)別效果，驗(yàn)證了方法的有效性。

為了進(jìn)一步驗(yàn)證算法的有效性，選取了rawfoot(rawfoodtexturedatabase)紋理數(shù)據(jù)庫，該庫包括了46種不同光照的68種紋理圖像，可以很好的驗(yàn)證算法對(duì)復(fù)雜光照的魯棒性，部分圖像如圖10所示。

為了更好的表示算法的有效性，選擇經(jīng)典的去光照特征提取方法局部二進(jìn)制模式，韋伯二進(jìn)制模式韋、伯局部描述算子和本發(fā)明方法進(jìn)行對(duì)比，在試驗(yàn)中，分類識(shí)別算法我們選取徑向基神經(jīng)網(wǎng)絡(luò)(取matlab工具箱)，實(shí)驗(yàn)的結(jié)果如圖11所示，從圖11可以看出，隨著訓(xùn)練樣本數(shù)的增加，各種方法的識(shí)別率都在增加。此外可以看出，本發(fā)明提出的方法取得了最好的識(shí)別效果，進(jìn)一步驗(yàn)證了方法的有效性。