基于Float-LBP算法的纹理图像检索

局部二值模式(LBP)仅依赖中心点和其邻域点在灰度上的差异,忽略了邻域点之间的浮动关系,导致表征能力较差,因此提出了一种改进的LBP算法。在对图像LBP二值化前,首先将邻域点按顺时针方向和其相邻的点进行比较得到一串类似于LBP算子的二进制序列;然后对这一序列进行十进制编码,并将这一部分的特征记作FloatLBP(F-LBP);最后再和原始的LBP算子提取的特征结合作为整幅图像的纹理特征。实验表明,通过F-LBP和LBP算子的结合,在保留局部微观纹理的前提下增加了更多的图像纹理分布信息,提高了算法的检索精度。

基于多尺度LBP金字塔特征的分类算法

为有效解决旋转变化、光照变化和尺度变化等图像的分类问题,提出一种基于多尺度局部二元模式(LBP)金字塔特征的图像分类算法。通过多尺度LBP金字塔提取各尺度的图像纹理特征,建立图像的多尺度LBP金字塔直方图,并将其作为图像特征向量,采用K-means方法对该特征向量进行降维,以用于图像分类。同时,针对传统二进制权值分布方法对噪声敏感的缺点,提出一种多端权值分布方法。实验结果表明,多尺度LBP金字塔方法具有较好的可鉴别性及图像描述能力,而多端权值分布法也能提高图像的分类精度。

基于EICS-LBP与统计边缘主色对的场景分类算法

针对场景分类问题,提出一种基于图像局部边缘区域的边缘改进中心对称二值模式(edge improvedcenter symmetric local binary pattern,EICS-LBP)与统计边缘主色对特征结合扩展潜在语义分析(probabilistic latent semantic analysis,PLSA)模型的场景分类算法。该方法首先提取图像局部边缘稠密采样区域的EICS-LBP与统计边缘主色对特征;然后对两类特征分别聚类形成视觉词汇表,进而用词袋模型描述图像;之后利用扩展PLSA模型对图像词袋模型进行潜在语义挖掘;最后利用K最近领域(K-nearest neighbors,KNN)分类器进行场景分类,得到测试图像集的混淆矩阵。多类场景图像的实验表明,该方法不需要对场景内容进行人工标注,具有较高的分类准确率,且对具有边缘轮廓的彩色图像分类精度较高。

一种基于可变长起主导作用特征(VLDF)的人脸识别算法

为了从Gabor滤波后的图像中提取简单有效、区分力强的人脸特征,提出了一种基于可变长起主导作用特征(VLDF)的人脸识别算法.即首先人脸图像与不同尺度、不同方向的Gabor滤波器进行卷积运算,然后利用局部二元模式(LBP)算子提取滤波输出的纹理特征,并根据纹理特征的统计分布规律,采用数量可变的起主导作用的纹理模式作为人脸的VLDF特征.最后构造了VLDF人脸特征之间距离的计算方法.该算法具有较小的特征向量维数和高的rank-1识别率.在FERET人脸数据库上的仿真结果验证了算法的高效性.

一种方向性的局部二值模式在人脸表情识别中的应用

传统局部二值模式(LBP)算法应用在人脸表情识别中,不能准确描述眼睛、嘴巴、额头等表情特征区域在不同方向上的灰度变化趋势,识别效果不理想。本文改进传统局部二值模式的灰度比较关系,分别从水平、垂直以及对角3个方向对邻域像素的灰度变化进行二值编码,融合3个方向的特征,得到一种基于方向性的局部二值模式(DLBP)。在JAFFE数据库和Cohn-Kanade数据库上的实验结果均表明,DLBP算子相比LBP算子、Gabor算子能更准确描述人脸基本表情,识别率平均分别提高了5%和1%;相比LBP算子对椒盐噪声和高斯白噪声具有更强的鲁棒性;且与LDP算子相比,识别率基本不变,但特征提取时间缩减近50%。由此可见,DLBP算子是一种快速有效的人脸表情描述子。

基于增强方向局部二值模式的纹理分类

针对方向局部二值模式特征维数高且易受噪声影响的问题,提出了增强方法。首先,在方向局部二值模式的基础上,通过将局部邻域划分为多个8-正交邻域的策略,以降低方向局部二值模式的特征维数;其次,在方向局部模式中引入局部三值模式的思想,以减少噪声的影响。采用CURet、UIUC及Outex三个纹理图像库进行实验,结果证明了该方法以较低的特征维数取得了更好的分类性能。

基于主梯度编码局部二进制模式的花粉图像识别

受显微传感器和不规则收集方法的影响,花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化,识别精度普遍不高,为此提出了基于主梯度编码的局部二进制模式(DGLBP)描述子,并应用于花粉图像的分类识别。首先,计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向,以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,参照各局部区域的纹理分布情况为二进制编码自适应分配权重,并提取花粉图像在3个方向上的纹理特征直方图;最后,对不同尺度下的纹理特征直方图进行融合,采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%,与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点,与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明,DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性,且具有较优的识别效果。

基于改进方向纹理谱特征的图像检索

在定义图像局部邻域纹理方向特性的基础上,提出了一种新的方向纹理谱描述符。该描述符针对局部邻域内中心像素与其相对的邻域像素,既充分考虑了它们间的灰度变化关系,又考虑了它们间灰度差异的变化关系,从而更有效地描述了局部纹理特征。为证明新描述符的分辨能力,采用4种不同图像库进行图像检索对比实验,结果表明,本文的新纹理谱描述符取得了最好的检索效果。

基于模糊及分块主纹理谱的图像聚类

基于主颜色方法提出分块主纹理谱的概念,在每个分块中自动生成阈值来过滤噪声.从模糊逻辑的角度出发提出一种新的纹理谱描述符,结合区域灰度平均值,构造隶属函数来计算纹理单元值.实验证明,所提出的方法在图像聚类方面达到较好的聚类效果.