自适应的Haar型LBP纹理特征提取算法研究

在提取纹理图像的Haar型LBP特征中,人为设定的判断阈值主观性强、局部性差,导致提取的纹理细节和边缘模糊、纹理图像的局部性易被忽略。为此,提出了一种自适应的Haar型LBP纹理特征提取算法。该算法在二值化Haar型特征时引入高斯加权矩阵,以此获得客观、符合纹理图像局部特征的自适应判断阈值和Haar型LBP特征。实验结果表明,该算法能够有效地避免人为设定阈值对纹理特征的影响,可以准确地描述图像的纹理特征,Brodatz标准纹理库分类的正确率也得到了进一步的提高。

基于Haar型LBP纹理特征的人体姿态估计

基于人体部件的树形模型表达直观且计算高效,被广泛应用在人体姿态估计中。然而模型本身在部件特征表达上的不足限制了姿态估计结果的准确度,为此,提出一种基于图结构模型和新型纹理特征的人体姿态估计算法。采用改进后的外观模型,从训练集中获得部件位置的先验知识,联系相邻部件之间的关系,并将其应用于测试图像的外观模型建模阶段。应用Haar型局部二值模式(HLBP)纹理特征,提取部件的纹理信息,对图像进行分块处理,并为每一块赋予不同的权重。实验结果表明,带权重的HLBP特征能更有效地提取部件的纹理特征,与HLBP特征、归一化HLBP特征和颜色特征相比能获得更高的准确度。

基于特征加权融合的虹膜识别算法

由于单一虹膜特征相对简单,容易引起虹膜识别不准确的问题,本文使用特征加权融合来表示虹膜纹理。提取虹膜纹理的空域特征和频域特证,使用主成分分析法(PCA)降噪去冗余。空域特征采用二分统计局部二值模式(DS-LBP)表示虹膜纹理的灰度值变化规律,形成空域特征码。频域特征采用二维Haar小波提取虹膜纹理的高频系数,形成频域特征码。分别计算两个特征码的汉明(Hamming)距离,并乘以相应的加权权重。通过与设定的分类阈值比较来判定虹膜类别。用多种虹膜库与其他虹膜识别算法进行比较,实验结果表明,本文算法在识别率、等错率、稳定性等方面更具有优势。