面向虹膜识别的多方向中心对称局部二值模式

为了提升虹膜纹理的表征效果,获得稳定的局部纹理信息表达,提出基于多方向中心对称局部二值模式的虹膜识别算法.首先通过眼睑边缘快速定位生成掩膜,抑制眼睑区域噪声;然后在多方向的基础上,提出多方向中心对称的局部二值模式完成虹膜纹理特征的表征;最后利用汉明距离判定虹膜是否匹配.针对由于类内与类间匹配次数失衡导致评价指标正确识别率存在的不足,提出修正的正确识别率.在CASIA.V1,CASIA.V3-Interval,JUL6.0和CASIA.V4-Lamp虹膜库上的实验结果表明,所提算法的修正的正确识别率分别为99.857%,99.940%,99.640%和97.973%,等错误率下降0.03%~5.96%;该算法能够有效地表征虹膜纹理信息,具有良好的识别性能和鲁棒性.

基于中心对称局部二值模式的合成伪装语音检测方法

针对基于局部二值模式的伪装语音检测方法的合成语音检测准确度较低的情况,提出了一种基于中心对称局部二值模式的伪装语音检测方法。该方法通过短时傅里叶变换得到语音信号的语谱图,再利用中心对称局部二值模式提取语谱图的纹理特征,并用该纹理特征训练随机森林分类器,从而实现真伪语音的判别。该方法综合考虑语谱图中像素点的数值大小和位置关系,包含了更加全面的纹理信息,并将特征维度降低至16维,有利于减少计算量。实验结果表明,在ASVspoof 2019数据集上,与传统的基于局部二值模式的伪装语音检测方法相比,所提方法将合成伪装语音的串联检测代价函数(t-DCF)降低了16.98%,检测速度提高了89.73%。

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。

基于双向梯度中心对称局部二值模式的单样本人脸识别

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,提出一种双向梯度中心对称局部二值模式(BGCSBP)的单样本人脸识别算法.首先获取人脸水平和垂直方向的梯度信息,并将其用CS-LBP算子进行编码;然后将二者融合成人脸的BGCSBP特征,再通过分块统计直方图的方式得到人脸的直方图特征;最后采用直方图相交进行分类识别.在CAS-PEAL,Extend Yale B和AR人脸数据库上的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性.

基于中心对称局部二值模式的背景建模方法研究

针对利用局部二元模式(LBP)进行背景建模存在模型维数过高、对噪声敏感等缺点,提出一种基于中心对称局部二值模式(CSLBP)的背景建模方法,并应用于运动目标检测.与传统LBP特征相比,使用CSLBP特征进行背景建模,可大幅度降低背景描述的维数,因而大幅度降低处理时间;并且由于其对称性,CSLBP相比LBP具有更强的抗噪能力.实验结果表明,利用CSLBP进行背景建模能有效解决LBP建模带来的维数灾难和噪声敏感问题,无论在检测效果和计算速度上都有较大的提高,能够满足实际应用的要求.

基于单演主方向中心对称局部二值模式的单样本人脸识别

本文针对单样本情况下传统人脸识别方法在姿态、表情和光照等变化下识别效果不佳的问题,提出一种基于单演主方向中心对称局部二值模式的单样本人脸识别模式的单样本人脸识别算法。首先用多尺度的单演滤波器提取人脸图像单演局部幅值和局部方向信息,并求取主方向,生成主方向模式图;然后用CS-LBP算子进行编码,得到特征;最后对不同单演尺度空间中的特征分块统计特征直方图并运用直方图相交进行分类识别。在AR、Extend Yale B人脸数据库的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性。

基于自适应中心对称局部二值模式的作物病害识别方法

基于局部二值模式(LBP)算子在模式识别中直方图维数高、判别能力差、具有冗余信息等缺点,针对作物病害叶片图像的特点,提出一种自适应中心对称局部二值模式(Adaptive Center-Symmetric Local Binary Patterns,ACSLBP)算法,并应用于作物病害识别。该算法能够得到光照和旋转不变性的纹理特征,利用模糊C均值聚类算法对病害叶片图像进行分割,再将分割后的病斑图像进行分块,然后采用自适应阈值提取每个子块的ACSLBP纹理直方图,结合作物病害叶片图像的颜色特征,利用最近邻分类器识别作物病害。在黄瓜4种常见病害叶片图像数据库上进行试验,平均识别率高达95%以上,表明该方法是有效可行的。

HOG特征结合中心对称局部二值模式的单样本人脸识别

责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HOG特征结合中心对称局部二值模式的单样本人脸识别算法(HCLBP)。首先,用HOG算法对原始的人脸图像进行分层处理,得到图像的梯度和幅度信息;然后用CSLBP算子对它们进行编码,并融合它们得到人脸图像的HCLBP特征;最后,得到人脸的直方图特征,使用直方图相交的方法进行分类。

基于局部二值模式及其变形的场景分类综合实验设计与实践

以学生为中心,兴趣为导向,解决问题为目标,采取基于问题的教学方法,以基于局部二值模式及其变形特征的场景分类为例,设计与教学大纲紧密结合、有效支撑课程目标的综合实验。在教师的主导下,学生以团队协作方式完成综合实验,串联计算机视觉与图像处理课程的重点知识,训练分析问题、解决问题的能力,切身感受解决问题的过程,提升实践与创业创新能力。

中心对称幅值相位二值模式单样本人脸识别

针对传统单样本人脸识别效果不佳的问题,提出一种基于中心对称幅值相位二值模式(CMPBP)的单样本人脸识别算法。将人脸图像分别与高斯函数的一阶导数做卷积运算,求取图像的梯度分量,计算出梯度幅值和梯度相位;将梯度相位量化,用中心对称局部二值模式(CSLBP)算子对梯度相位和幅值分别编码,将三者串接形成人脸图像的CMPBP特征;分块统计直方图的信息,把所有小块的直方图串联后作为人脸图像的特征向量,利用直方图相交进行分类识别。在AR和CMU-PIE人脸库上验证了该方法的有效性,其对光照变化、表情变化和部分遮挡等环境下单样本人脸识别具有较好的效果。

自适应中心对称局部三值模式的人脸识别

针对局部三值模式描述人脸图像纹理特征时直方图维数过高以及阈值不能自适应选取的缺陷,提出一种自适应中心对称局部三值模式方法。首先,用具有降低维数的中心对称局部三值模式算子对人脸图像编码,把邻域像素均值引入编码中以增强抗噪性能;其次,嵌入统计邻域均值与邻域像素的标准差作为阈值以自适应提取人脸特征,并统计特征直方图;最后用卡方距离度量训练样本特征直方图和测试样本特征直方图的相似度,采用最近邻分类器分类识别。所提算法在YALE、Extended Yale B人脸图像库上的最高正确识别率分别达到99.67%,99.33%;识别一张人脸的速度分别达到0.1984和0.3988 s。实验结果表明,所提算法对光照变化和噪声更加鲁棒,有效提高了人脸识别的精度和速度。

基于改进局部二值模式及特征融合的人脸表情识别

局部特征描述算子在表情识别领域有着广泛的使用。通过对现有表情识别算法的的研究,针对传统局部二值模式(LBP)算法只考虑领域像素和中心像素点的关系,而忽略了领域像素之间的相互影响。而中心对称局部二值模式(CS-LBP)只考虑了中心对称像素之间的影响。结合LBP和CS-LBP特点出了一种改进的LBP算法,实验结果表明改进的LBP算子利用像素点更充分,能更好的表达特征。针对单一特征很难准确描述原始图片的信息,又提取了图像的Gabor特征,分别与提取LBP特征和改进的LBP特征进行特征融合,使提取的特征更加丰富详细。分类算法中考虑到SVM具有强大的非线性分类能力,将提取的特征与SVM分类器进行结合,在公开表情数据集CK+上采用留出法进行验证,准确率达到95.77%,实验结果表明该方法优于传统的表情识别算法。

增强型局部二值模式及其图像纹理特征提取

局部二值模式(Local binary pattern, LBP)是一种非常有效的图像纹理描述算子。为了提取更丰富的人脸特征,提出了局部二值模式和环式二值模式(Ring Local binary pattern, RLBP)特征融合的增强局部二值模式算法。先用LBP算法对图像进行特征提取并转化为特征向量,再将其与使用RLBP算法生成的特征向量相融合。最后使用直方图交叉距离计算特征向量的相似度得到在数据集中的识别率。实验数据集选用ORL、ExtendYaleB人脸数据库以及掌纹数据库,实验结果表明,相对于LBP算法和其它融合算法提取到的图像特征而言,融合算法提取的特征更具有鉴别力,获得了更高的识别率。另外还在不同的噪声环境下进行了相关实验分析,证明了所提融合算法对噪声更具有鲁棒性。

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。

基于自适应学习局部二值模式的苹果叶部病斑分割与检测

为了准确、快速地检测作物叶部病害,提出一种基于自适应学习局部二值模式(adaptive learning local binary pattern,简称ALLBP)的苹果叶部病斑分割与检测方法。首先利用ALLBP获取正常叶片图像和病害叶片图像的特征差异,并确定病斑判断阈值,然后将待识别的叶片图像分割为大小相同的子块,再提取同样的特征与阈值进行比较,以判定各子块中是否有病斑。结果表明,该方法能够有效检测苹果病斑的分布特性,与局部二值模式(local binary pattern,简称LBP)和中心对称局部二值模式(center-symmetric local binary pattern,简称CS-LBP)相比,该方法具有更少的特征维数和更高的正确识别率。

基于方向局部二值模式的虹膜识别方法

虹膜识别技术作为最简单最精确的人体生物识别技术,越来越受人们的重视.目前,CS-LBP算子由于它的高效性和灰度不变性,在虹膜识别领域取得了较好的识别效果.但它忽略了中心像素对虹膜纹理的影响,因此提出了基于D-LBP的虹膜识别方法.它将周围邻近的像素和中心像素进行比较,重新定义了特征描述码的计算方法.该方法在降低特征维数的同时,很好的解决了CS-LBP算法中心像素丢失的问题.实验结果表明:与LBP和CS-LBP方法相比,提出的方法具有更好的识别效果.

非对称方向性局部二值模式人脸表情识别

针对方向性局部二值模式(DLBP)在单尺度下获取图像纹理特征的不足,提出一种非对称方向性局部二值模式(AR-DLBP)多尺度多方向融合的表情识别算法。首先对人脸表情图像进行光照补偿预处理,消除光照、噪声的影响,分割出人脸及眉、眼、嘴局部表情关键区域,并计算出关键区域的贡献度(CM);然后提取人脸及关键区域的异或-非对称方向性局部二值模式(XOR-AR-DLBP)直方图特征信息,并根据CM对关键区域直方图信息进行加权级联再与整幅人脸图像的特征信息进行融合;最后用SVM分类器进行表情分类识别。该算法在JAFFE库、CK库上仿真实验,分别取得95.71%、97.99%的平均识别率及112 ms、135 ms的平均识别时间,实验结果表明,该算法可以有效精确地完成人脸表情的分类识别。通过对表情图像光照补偿预处理及分割出表情的关键区域,并加权融合局部与整体特征,大大提高了特征的鉴别能力,与传统算法的对比实验,也表明该算法无论是在识别率还是在识别时间上,所得效果都是最好的。

局部二值模式方法研究与展望

针对当前局部二值模式(Local binary pattern,LBP)方法表现出的理论和实际应用价值,系统综述了在纹理分析和分类、人脸分析和识别以及其他检测与应用中的各种LBP方法.首先,简要概述了LBP方法的原理,主要分析了LBP方法中的阈值操作并介绍了统一模式和旋转不变性模式.其次,分别对纹理分析和分类中的LBP方法、人脸分析和识别中的LBP方法以及其他检测与应用中的LBP方法等三个方面进行了详细的梳理和评述.最后,分析了LBP方法在应用中依旧存在的重要问题并指出了未来的研究方向.

基于多块局部二值模式特征和人眼定位的人脸检测

人脸检测是人脸识别和重构问题中最基本的任务,同样也是人脸识别问题中的一个关键环节,其结果直接关乎到人脸识别最终的效果。所以,构建一种稳健而优秀的检测算法是人脸检测的目的。本文提出了一种基于多块局部二值模式特征的adaboost算法和模板匹配的人眼定位方法,从而提高人脸检测的正确率和稳定率,减少了误差。通过MIT CBCL人脸数据库、生活、网络等渠道照片的实验验证,该方法提高了检测效率,降低误检率,兼具了实时性和鲁棒性。

基于多尺度局部二值模式的人脸识别

提出了一种基于多尺度局部二值模式的人脸识别方法。局部二值模式已经被证明是人脸表示的一种有效算子,不过由于其太小以至于鲁棒性不高。在多尺度局部二值模式中,计算是基于块子区域的平均值,而不是基于单个像素值进行的。人脸图像首先被分成小的子区域,具有不同权值的BLBP算子抽取每一子区域的直方图,然后把它们连接起来,组成一个空域增强的特征直方图。在χ2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成分类识别。实验表明,该方法优于其它的基于LBP的人脸识别算法。