融合单演特征和CS-LBP的单样本人脸识别

针对单样本情况下传统人脸识别方法识别效果不佳的问题,提出一种融合单演幅值、相位和方向的单演中心对称幅值相位方向模式(MCSLBP)的人脸识别方法。首先采用中心对称局部二值模式(CS-LBP)对同一尺度下的单演幅值进行编码,并将单演相位量化到4个区间进行编码,同时对单演水平方向和垂直方向进行二值编码,然后将三者融合成MCSLBP特征;最后对不同单演尺度空间中的MCSLBP模式图进行分块,提取每一小块的直方图特征并串联后用最近邻分类器进行分类识别。在CAS-PEAL和AR人脸库上的实验结果表明,MCSLBP方法对具有光照、表情和遮挡变化的单样本人脸识别具有较好的识别效果。

融合二阶HOG与CS-LBP的头部姿态估计

针对头部姿态估计受光照变化、表情、噪声干扰等因素影响导致识别率低的问题,提出一种融合二阶梯度方向直方图(HOG)和中心对称局部二值模式(CS-LBP)特征的姿态特征,用于单帧图像的头部姿态估计。采用二阶HOG对人脸图像进行形状信息提取,得到人脸的轮廓特征;用CS-LBP进行局部纹理信息的提取,通过将二阶HOG提取的轮廓特征和CS-LBP提取的纹理特征进行融合,得到更有效的人脸特征;将融合的姿态特征通过核主成分分析(KPCA)变换非线性映射到高维核空间中,抽取其主元特征分量,采用支持向量机(SVM)分类器进行姿态估计。实验结果表明,方法和HOG、LBP、二阶HOG、CS-LBP方法相比有更高的分类准确率,对光照的变化有很好的鲁棒性。

基于CS-LBP特征融合的人脸智能识别方法研究

传统人脸智能识别方法存在识别正确率低的问题,为此提出了一种基于CS-LBP特征融合的人脸智能识别方法。通过分析人脸表情特征提取流程,设计CS-LBP特征融合目标计算,获取模糊特征LBP阈值。并结合不同LBP算子距离,均衡人脸图像灰度,以此提高人脸识别图像的清晰度。同时,绘制人脸识别标准纹路模型,计算经过识别后的人脸纹路与标准纹路的垂直距离,判断距离是否符合高斯单元线性组合规律,若符合规律可输出识别参数与结果,完成人脸的智能识别。采用设计实验的方式,验证了提出方法在实际识别应用中,可提高人脸图像识别正确的次数,证明了设计方法更具备实际应用价值。

融合颜色和CS-LBP纹理的运动阴影检测

针对现存阴影检测方法存在的实时性和精确性兼顾不周的问题,提出加权融合颜色和纹理特征的阴影检测方法:首先利用HSV颜色信息提取疑似阴影点;其次,通过阴影的亮度比计算阴影亮度隶属度,对于高亮度隶属度的疑似阴影点,直接判定为阴影点,减少了纹理检测的计算量;然后对低亮度隶属度的疑似阴影点提取高效的CS-LBP纹理,并进行纹理匹配,根据纹理的相似程度及阴影空间分布特点,计算出纹理隶属度;最后,根据实际中纹理随亮度变化的特点,提出了依据亮度比自适应调整纹理隶属度权重的特征融合方法,进行有效的阴影检测.实验表明,本文方法实时性良好,可去除自阴影,分割精度较佳,隶属度方法的使用,使本方法对光照变化及噪声更具有鲁棒性.

结合CS-LBP纹理特征的快速图割算法

图割算法是目前最有效的交互式图像分割方法之一。针对当前景和背景颜色相似时容易发生分割错误并产生shrinking bias现象,以及基于像素的计算导致交互效率不高的问题,提出一种结合纹理特征的改进算法。该算法首先利用Mean Shift算法对图像进行预分割,构建区域邻接图,然后用累计直方图、CS-LBP纹理描述子对每个区域进行颜色和纹理特征的提取,通过在能量函数中引入纹理约束项以及局部自适应的正则化参数,有效改善了分割效果和shrinking bias现象。实验结果表明,本算法交互效率得到了提高,分割结果更加精确。

基于MSCR与CS-LBP的鱼眼图像特征区域匹配方法

相比普通镜头,鱼眼镜头拥有更大的视场角,甚至可以直接获取半球域的图像信息,在立体视觉领域,应用鱼眼镜头来采集全景图像可减少镜头及图像采集模块数目,简化系统、提高运算速度、降低成本。但同时鱼眼镜头图像也存在一定程度的畸变,越靠近边缘畸变越严重。因此,在光轴正交或是角度更大的立体视觉系统中,进行相关图像的特征点匹配存在困难,直接影响立体视觉系统的应用效果。然而采用一种具有仿射不变性的图像匹配算法即可解决这个问题,首先提取原始图像的MSCR特征区域,其次引进CS-LBP算子对各个MSCR区域进行特征描述,应用特征权重的卡方距离比较法进行唯一匹配,最后进行椭圆拟合及连线标记使得匹配结果可视化。且通过实验验证了此方法的稳定一致性,可应用于大旋转角度的鱼眼图像的特征匹配。

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。

一种基于改进的CS-LBP算子纹理图像自适应检索方法

具有自适应性的方向局部二值描述符(SD-LBP)通过引入自适应对比性的阈值t增加对图像局部区域及局部纹理过渡区域信息的处理,使图像检索过程中产生的噪声对检索效果的影响达到最小.采用3组实验方案对SD-LBP算子与相关算子的检索效果进行了比较分析.实验结果显示,本文算子在保持CS-LBP算子数据维数不变的条件下,对图像噪声处理更具鲁棒性,同时在检索效果、视觉特性等方面具有明显的优势.

拉普拉斯滤波结合CS-LBP的单样本人脸识别

针对传统的人脸识别算法在单训练样本的情况下识别率不佳的情况,提出一种结合拉普拉斯滤波与中心对称局部二值模式的人脸识别算法(LFCLBP)。对原始人脸图像进行拉普拉斯滤波处理;然后对图像提取梯度幅值和梯度相位信息,对梯度幅值用CS-LBP算子编码,再将梯度相位量化到16个区间进行编码,将二者融合成人脸图像的LFCLBP特征;分块统计直方图特征,将所有分块的直方图串联起来作为人脸图像的特征向量,并用最近邻分类器识别。在YALE人脸库和AR人脸库上进行测试,测试结果表明该算法有效,在光照变化、表情变化和部分遮挡等环境下对单样本人脸图像具有较好的识别效果。

基于CS-LBP与自适应神经网络的虹膜识别

针对判断两个虹膜是否为同一类别的问题,提出了基于分块中位排序规则的中心对称局部二值模式(CS-LBP)提取虹膜纹理特征,并使用BP神经网络进行判断.BP神经网络的连接权重采用混沌系统-选择变异算子-粒子群(C-SM-PSO)算法进行自适应优化,提高设置连接权重的全局搜索能力,使神经网络具有自我跳出局部最优的能力,提高算法通用性.用多种算法在不同的虹膜库中进行了实验.实验结果表明,所提出的算法正确率较高,等错率较低,ROC曲线更接近横、纵坐标轴,具有良好的稳定性与鲁棒性.

NSCT和CS-LBP的低分辨率人脸识别

针对目前监控视频采集的图像人脸信息分辨率较低问题,提出一种基于非下采样Contourlet变换(NSCT)和分块中心对称局部二进制模式(CS-LBP)的低分辨率人脸识别方法。利用NSCT在方向和尺度上变换去分解过滤分辨率不高的图像;借助CS-LBP在光照变换时受影响较小的优点,分块提取经过分解得到的高低频图像信息,将得到的特征直方图级联起来,获取较为完整的能表达人脸的向量直方图。针对最后图像维度高,使用PCA主成分分析法降维,提高实时性能。实验结果表明,该方法在低分辨率人脸识别环境下能够较好提取人脸特征,获取更高的识别率。

基于环形Gabor小波与CS-LBP算法在人脸识别中的应用

多尺度多方向的Gabor变换能提取人脸在空域和频域的局部信息,表达并刻画出人脸的大量特征,但在特征描述上会产生大量冗余,环形对称Gabor变换同样具有小波的共性并且能降低冗余量,在方向上具有严格的不变性。中心对称局部二值模式(CS-LBP)能提取出人脸中细节的纹理特征,把上述两种算法相结合,利用设定Gabor能量来获取最适合的滤波窗口,并对人脸特征进行提取和识别,最后用实验结果验证了环形Gabor和CS-LBP算法在人脸识别中具有很好的应用。

基于CS-LBP的散斑应变测量技术

针对传统数字图像相关法(DIC)在光照变化时测量精度下降的问题,提出一种基于中心对称局部二值模式(CS-LBP)的数字图像相关法。提取变形前图像模板子区的CS-LBP特征,在变形后图像中查找与之匹配度最高的目标子区,利用模板子区和目标子区相对位置关系计算物体变形信息。实验结果表明:在光照强度变化小于5 000 lx的情况下,该方法的误差增幅相较于传统DIC方法降低了42. 8%,有效地提高了DIC方法在光照变化时的测量精度。

分块CS-LBP和加权PCA的低分辨率人脸识别

针对局部二值模式(LBP)特征在低分辨率的人脸图像上识别率较低的问题,提出了一种基于分块中心对称局部二值模式(CS-LBP,center symmetric local binary pattern)和加权主成分分析(PCA)算法的低分辨率人脸识别算法。首先利用分块CS-LBP算子提取低分辨率人脸图像的特征;然后利用加权PCA算子对特征进行降维,从而得到更强的分类特征;最后利用最近邻分类器选出人脸最优分类类别并计算识别率。在ORL人脸库上的实验表明,在人脸图像分辨率下降到(12×10)时,本文算法的识别率仍能达到85.00%,基本满足了实际运用中对识别率的要求,并且降低了运算时间。

Low-resolution expression recognition based on central oblique average CS-LBP with adaptive threshold

In order to solve the problem of low recognition rate of traditional feature extraction operators under low-resolution images, a novel algorithm of expression recognition is proposed, named central oblique average center-symmetric local binary pattern(CS-LBP) with adaptive threshold(ATCS-LBP). Firstly, the features of face images can be extracted by the proposed operator after pretreatment. Secondly, the obtained feature image is divided into blocks. Thirdly, the histogram of each block is computed independently and all histograms can be connected serially to create a final feature vector. Finally, expression classification is achieved by using support vector machine(SVM) classifier. Experimental results on Japanese female facial expression(JAFFE) database show that the proposed algorithm can achieve a recognition rate of 81.9% when the resolution is as low as 16×16, which is much better than that of the traditional feature extraction operators.

基于NSCT子带融合特征的纹理材质分类

由于图像纹理特征具有复杂且没有规律的特点,单一的纹理特征提取算法不能充分地描述图像纹理。因此,提出基于NSCT的高低频子带的CS-LBP和Tamura融合特征的纹理分类方法。此外,对CS-LBP算法进行了优化,得到DCS-LEBP,在提取了图像局部边缘特征信息的基础上又加入了低频信息,提高了算法的抗噪性和特征提取的全面性。融合的纹理特征通过支持向量机(SVM)进行分类识别,实验结果表明,该方法能够提取多尺度、多方向的纹理特征,提高了分类精度,并且优化的DCS-LEBP算法比原算法性能更加优秀。

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计。然后,根据统计结果的分布,提取出有效的二值特征图像。最后,用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性。

一种鲁棒的图像局部特征区域的描述方法

提出了一种鲁棒的图像局部特征区域的描述方法,即IWCS-LTP(Improved weighted center symmetric local trinarypattern)描述子.该方法对图像局部特征区域采用类似SIFT描述子的分块处理,可以使描述子包含更多的结构信息;采用ICS-LTP算子进行编码,可以在不大量增加描述子维数和计算量的同时对图像的梯度方向信息进行更具体的描述;采用加权纹理谱直方图计算方法可以使描述子包含图像的梯度幅值信息.大量的实验结果验证了该描述子的有效性.

基于纹理谱及其空间特征的图像检索

针对传统纹理谱描述符维数较高且忽略了空间特征的问题,一方面进一步考虑邻域中心像素与其它像素间的灰度关系,改进了中心对称局部二值模式纹理谱描述符,另一方面基于灰度共生矩阵提出了纹理谱基元共生矩阵的概念,并据此来提取纹理谱基元空间特征。通过不同图像库进行实验,结果表明,结合所提取的空间特征,可明显地提高传统纹理谱描述符的检索性能,而且所提出的描述符以较低的维数取得了较好的检索效果。

基于权值优化与纹理特征的快速人脸分割算法

针对传统Grab Cut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割,构建区域邻接图;然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,该算法分割结果更加准确,效率更高。