基于深度玻尔兹曼机的遥感影像变化检测方法

变化检测在卫片执法工作中具有重要作用,结合人工智能的变化检测方法通常能够适应遥感卫星对地表的短周期重复观测,及时发现地表变化。高分辨率遥感影像蕴含丰富的地物信息,为了更精确地提取其中的地物变化信息,提出了一种基于深度玻尔兹曼机(Deep Boltzmann Machine,DBM)的自监督训练变化检测方法。该方法通过贪婪学习算法学习双时相影像的深层特征,将融合影像光谱和纹理变化的标记作为监督样本输入模型反向微调学习参数,进而提高地物变化信息的提取能力。测试变化检测数据集CD_Data_GZ的实验结果表明,所提方法检测总体准确率达90%,召回率超过60%。经过对照实验分析,该方法对2期遥感影像中变化地物的边缘敏感,能够更为全面地检测各种地表变化,而非只关注个类变化;其检测结果整体优于其他方法,验证了该方法对双时相遥感影像变化检测的有效性和适用性,同时为多光谱遥感影像变化检测流程化应用提供了一种新的方案。

基于无人机和卫星遥感影像的制种玉米田识别纹理特征尺度优选

制种玉米田在高空间分辨率遥感影像上呈现的明显条带状纹理,是有效区分光谱值相近的大田玉米和制种玉米的重要信息。该文在新疆维吾尔自治区奇台县玉米种植区以高空间分辨率的无人机遥感影像为数据源,针对制种玉米识别的纹理特征计算尺度问题,首先采用最近邻内插法对制种玉米和大田玉米样本田块的无人机影像进行重采样,得到不同分辨率的样本;然后用融合Uniform-LBP(local binary pattern)和GLCM(gray level co-occurrence matrix)方法得到提取玉米田块纹理特征合理GLCM参数,其中方向参数为0°、45°、90°和135°这4个方向上的纹理特征值的平均值、距离为5~7像元、灰度级为8;通过多尺度对比分析,得到最适宜区分制种玉米与大田玉米的纹理辨率为0.6~0.9 m。最后采用奇台县的0.7 m分辨率的Kompsat-3遥感影像进行验证,在多时相EVI(enhanced vegetation index)光谱信息识别玉米的基础上,利用本文确定的纹理分析方法,通过决策树建立规则识别制种玉米,识别精度达90.9%。通过该文的研究,可为高空间分辨率遥感制种玉米田监管提供支撑。

HSV下的基于图像内容的监控视频检索方法

随着构建平安城市活动的推进,大量的高清化、数字化的监控已经逐渐遍布于大街小巷,随之而来的是监控视频快速大量涌现,如何有效存储、管理和利用海量的监控视频成为研究热点。基于内容和语义的视频检索技术成为一种可行的海量信息检索技术,并成为越来越多学者的研究对象。在HSV空间下进行非归一化量化图像彩色信息并以此构建等价的局部二值模式作为基于内容的视频检索图像特征,同时提出了一种新颖、简单的直方图相似性度量方法检索目标图像,检索结果更加符合人们的主观视觉感受。

人脸活体特征检测实验平台设计与实现

在VS2013编程环境下,结合OpenCV设计了人脸活体特征检测实验平台。该平台由图像读取、人脸及五官检测、图像分块提取特征和机器学习部分组成。通过分析人脸真实图像与欺骗照片之间的纹理特征差异,实现对人脸真实性的判别。实验平台用于训练分类器的特征是Uniform Pattern LBP特征向量,将该特征应用于活体检测是本实验的创新之处。在该实验平台上对Replay-Attack数据库和实际创建的数据库进行实验,实验结果可以看出平台的准确率及运算速度等方面具有优良的性能。

基于等价LBP纹理图谱的滚动轴承故障诊断方法

针对在直升机自动倾斜器滚动轴承故障诊断中,卷积神经网络(Convolutional Neural Networks,CNN)直接提取故障特征时,噪声干扰易对网络学习产生误导且存在忽略局部结构特征的问题,影响识别率的进一步提高,提出了基于等价局部二值模式(Local Binary pattern,LBP)纹理特征图谱与CNN相结合的滚动轴承故障诊断方法。首先,采用连续小波变换获取滚动轴承振动信号的二维时频图像,并对时频图像进行预处理;然后,采用等价LBP算法提取灰度时频图像的纹理特征,构成纹理图谱;最后,搭建卷积神经网络模型对纹理图谱数据集进行训练,并达到最优,从而实现滚动轴承故障类型的诊断。利用课题组采集的数据集和美国凯斯西储大学数据集开展诊断实验,识别精度分别达99.23%和100%,与传统的方法相比最大提升1.7%,结果表明所提方法可有效实现故障诊断的准确识别。

基于非参数变换的尿沉渣细胞图像识别方法

首先提出一种改进的局部秩变换(D-LRT)方法,通过计算图像像素的局部秩进行图像变换,根据阈值选取实现低对比度和局部模糊的尿沉渣细胞图像分割。然后提出一种局部直方图统计(LHS)方法提取细胞图像平移、旋转、光照不变特征。该方法通过高斯模糊获取不同尺度下的细胞高斯模糊图像,并利用RIUP-LBP算子获取细胞高斯模糊图像的RIUP-LBP特征图谱,基于距离变换采取由内而外的方式,分层统计细胞高斯模糊图像及其RIUP-LBP特征图谱的直方图,将所有直方图串联作为细胞图像的LHS局部特征。还同时将LHS特征结合图像的几何特征、Harris角点及灰度共生矩阵特征,从局部和全局角度构造尿沉渣细胞图像的特征向量。最后采用支持向量机(SVM)对7类典型尿沉渣细胞图像进行分类。实验结果表明:本文提出的D-LRT方法在低对比度和局部模糊的细胞图像分割中完整度明显提高,提出的LHS方法可以有效地提取7类尿沉渣细胞图像特征,7类细胞图像识别的平均准确率可达到93.0%,平均召回率可达93.2%。

基于扩展的LBP算子地板块纹理分类研究

针对地板块纹理分类问题,首次引入局部二值模式LBP算子提取地板块纹理特征。本文提出一种基于扩展的LBP算子地板块纹理分类方法。在阐述LBP算子基本原理的基础上,采用中值滤波法去除图像噪点,以减少噪点对图像纹理特征的干扰,将均匀模式和旋转不变性与传统的LBP算子相融合,提取地板块纹理特征,经KNN分类器实现地板块纹理分类。实验结果表明该方法识别速度快、辨识准确率高,优于传统的灰度共生矩阵法,为地板块纹理分类的研究提供新思路。

年龄变化鲁棒的人脸确认算法研究

针对具有较大年龄差的人脸确认系统中的人脸老化问题,提出了一种基于等价局部Gabor二值模式特征的差空间人脸确认算法。首先提取人脸图像的多尺度、多方向的Gabor特征,并对上述特征进行等价LBP运算。其次将LBP图谱进行直方图化,并对直方图进行向量化和差空间运算。最后建立支持向量机(SVM)分类器得出分类结果进而实现身份认证。实验结果表明,在FGnet人脸库上的正确认证率可达94.64%;且对光照与表情变化具有鲁棒性。

基于UniformLBP特征的镜头检测算法

首次将Uniform LBP特征引入镜头检测中,提出一种有效的镜头检测算法。算法的主要思想是:以Uniform LBP特征作为描述视觉信息的主要特征,利用图模型计算图像序列的特征差异信号,采用主动处理策略构造特征向量和选择训练数据,通过SVM分类器识别视频镜头。提出的算法以Trec Vid05实验数据为测试平台,通过与Trec Vid05的测试结果比较可以证明该算法不但对切变镜头检测有很好的实验结果,而且能更为有效地检测渐变镜头。

一种识别微商商品评论中表情图片的方法

提出一种识别微商商品评论中表情图片的方法,使用手机对微信朋友圈中微商商品及评论信息截图,通过HOG-SVM模型定位表情图片;提出一种改进的LBP"等价模式"提取表情图片的纹理特征,提取出的纹理特征向量通过KNN分类器识别表情图片.通过实验证明,改进的方法在识别微信表情图片的速度和准确性方面均优于传统LBP方法.识别微商商品评论中表情图片的过程,是研究基于表情图片的商品评论情感倾向的重要部分,分析与挖掘商品评论的情感倾向对于研究商品口碑、进行商品推荐具有重要的价值.

基于谱残差和梯度纹理融合特征的舰船检测

本文提出一种谱残差和梯度纹理融合特征来检测可见光遥感图像中复杂海面背景下的舰船目标。首先,使用谱残差模型定位疑似舰船目标,并采用自适应动态阈值法获取候选目标区域。然后,根据舰船的形状特点,对梯度方向直方图特征进行改进,设计出表征舰船特性的梯度方向特征。同时,将提取候选目标区域的统一化LBP特征的方差以及灰度共生矩阵特征相结合来描述舰船的纹理信息,得到30维特征向量。最后,通过训练好的AdaBoost分类器来完成舰船目标鉴别。本文的检测算法,针对尺寸为1 024×1 024的可见光遥感图像,检测时间为4.792 6s,检测精度为95.51%,召回率为96.65%。实验结果表明:本文算法能准确提取海面舰船目标,获取舰船目标的数量和位置信息,从检测时间和精度上来看,可以作为实际工程参考。

一种基于多尺度局部纹理特征和CART决策树的野外火灾火焰图像识别算法

为了消除野外环境中枯草、枯树枝、枯树叶等干扰对象对野外火灾识别的影响,提高火焰识别的准确率,提出一种新的基于Gabor滤波和局部二值模式(LBP)的多尺度局部纹理特征提取方法,并构建Adaboost-SVM火焰图像分类器。利用火焰的颜色特征提取出疑似火焰区域;对疑似火焰区域进行Gabor滤波,再对Gabor滤波后不同尺度下的图像以16×16的像素邻域网格作为采样窗口,采用LBP提取其纹理特征;运用CART决策树对LBP特征向量进行降维,将分类回归树算法(CART)选择出来的特征输入到支持向量机(SVM)训练分类器,进行火灾火焰图像识别。实验结果表明,野外火灾火焰的识别准确率为96%,证明了该算法的有效性。

一个基于多尺度分区Uniform LBP图像纹理特征的提取方法

LBP是一个效果较好的提取图像局部特征的方法,Uniform LBP方法进一步提升了特征提取效果,避免了因维度过多而难以训练分类模型的问题。一般在LBP特征提取之后,还要利用直方图方法进一步提取图像的总体特征。文章在常规的分区直方图基础上,提出一个由面积插值估计得到Uniform LBP再基于多尺度分区直方图统计特征提取方法,把完整图像用不同尺寸的分区块进行划分,提取多个分区尺度的灰度值直方图统计特征再融合成图像的完整特征,使得图像特征提取更完备。在对猫、狗头像样本数据集进行分类的实验中,利用此特征提取方法取得的特征向量输入同样条件的Logistic回归分类器和SVM分类器处理后实现了比单一尺度特征更高的分类正确率。

复杂环境下森林火灾火焰局部纹理提取方法

为进一步提高野外火灾的识别率,提出三种森林火焰局部纹理提取算法:以16×16的像素邻域网格作为采样窗口,对Gabor滤波的不同尺度图像提取LBP局部纹理特征;对小波变换频率子图提取LBP局部纹理特征;对每一个16像素×16像素块提取灰度共生矩阵局部纹理特征,并将特征向量输入支持向量机(SVM)训练分类器,进行火灾火焰图像识别。试验结果显示,基于Gabor滤波和局部二值模式(LBP)的多尺度局部纹理特征提取算法的野外火灾火焰的识别率高达96%,因此,与基于小波变换和灰度共生矩阵分析的局部纹理特征提取的算法相比,该算法更为有效。

人脸面部表情实时检测识别系统

本文主要设计了人脸面部表情识别系统,该系统实时检测视频信号,可以实时地识别出不同的面部表情.首先系统对获取到的视频每一帧图像使用Ada Boost算法检测人脸,利用ASM算法进行人脸特征点定位,若连续三帧图像人脸位置基本不变表示人脸定位成功.然后获取人脸图像并对图像进行预处理,之后采用局部二值模型(LBP)算法提取人脸感兴趣区域的特征向量.最后通过支持向量机(SVM)分类算法实现人脸表情的识别.该人脸面部表情实时检测识别系统识别率较高、实时性较好.

结合清晰度的无参考图像质量评价

为了提高无参考图像质量评价方法与人眼视觉感知的一致性,论文提出了一种利用待评价图像的清晰度、色度和纹理特征的无参考彩色图像质量评价方法。首先,对待评价图像进行梯度特征以及多尺度能量提取操作得到图像清晰度;然后,进行统一化模式LBP直方图特征提取,另外,还采用了lαβ颜色空间下红绿和蓝黄分量的自然场景统计特征来增强颜色失真的描述,并利用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价模型。利用LIVE数据库中的5种失真类型验证了论文提出的无参考图像质量评价模型的性能。结果表明,论文提出的方法与人眼主观感知具有较好的一致性,并具有复杂度低等优点。

滚动轴承保持架缺陷的图像处理及模式识别方法研究

轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的Hu矩和旋转不变均匀局部二值模式(LBP^riu2 P,R)作为纹理特征,并结合PCA降维方法构建轴承保持架缺陷识别的SVM分类模型。结果表明,基于Hu矩和LBP^riu2 P,R的SVM模型的正确识别率分别为85%和100%。因此,轴承LBP^riu2 P,R特征结合SVM模型对轴承保持架歪斜缺陷具有较好的识别效果。该方法有望为滚动球轴承保持架铆压工艺缺陷的自动识别提供参考。

基于区域色彩空间和LBP算法的图像分割

提出一种基于区域色彩空间和LBP算法的图像分割.该算法用颜色和LBP直方图作为区域描述符,量化HSV颜色空间,并根据LBP算法的Uniform模式,利用较少的LBP算子描述大部分纹理特征,有效降低了区域特征矢量的维数,提高了区域相似度计算的执行效率.此算法能有效地将对象从复杂图像场景中分割提取出来,且结果与人眼的主观视觉有良好的一致性,在轮廓细节和执行效率上比MRSM算法更优.

基于Stentiford视觉模型的改进

基于视觉模型的图像感兴趣区提取方法,在图像感兴趣区域提取领域,有着得天独厚的优势:首先,它贴合人眼视觉效果,因此可以较为准确地表示视觉的真实"意图";其次,方法过程便于实现,处理效率比较高。基于Stentifold视觉模型的方法因其实现简单且效果显著而成为其中的众多代表之一,但其也存在结果随机性过大,对细节过于敏感,计算耗时的缺点。为此,尝试通过直方图统计、均匀局部二值模式(uniform LBP)结合的方法,对其进行改进,并取得了理想的效果。

基于LBP和纹理信息挖掘的打印文件机源认定

为了消除光照对打印文件图像采集的影响,采用均匀模式的LBP对采集到的字符图像进行处理,提取LBP特征值,使用SVM进行打印文件的分类鉴别,分类准确率只有83.40%,说明LBP特征可以用于打印文件的分类鉴别,但是分类准确率不能满足实际应用的需要。运用两因子方差分析模型得出字符因子和打印机因子对鉴别率的影响都是显著的。采用纹理信息挖掘的方法消除字符因子的影响,研究打印机因子对打印文件鉴别的影响,可以将打印文件鉴别率提高到94.50%,具备实际应用的能力。