图像微观结构的二值化表示与目标识别应用

该文提出一种新颖的基于二值图像微观结构模式(Binary Image Micorsructure Pattern,BIMP)表达和灰度图像微观结构二值模式(Gray Image Micorsruct Maximum Response Pattern,GIMMRP)编码方法。通过对图像3×3邻域结构进行二值编码,获得图像微观结构的描述,进而选取其中的重要执行模式子集和池化操作,实现整体图像的表示。为了检验算法的有效性,在ORL,YALE两个人脸公开数据集,MNIST,USPS两个手写数字公开数据集,以及非公开车标数据集上进行了测试,显示该方法具有很强的鉴别能力和鲁棒性,可以达到和超过很多最新算法的性能。

多尺度局部结构主导二值模式学习图像表示

通过零均值化的微观结构模式二值化(ZMPB)处理,该文提出一种立足于局部图像多尺度结构二值模式提取的图像表示方法。该方法能够表达图像中可能出现的各种具有视觉意义的重要模式结构,同时通过主导二值模式学习模型,可以获得适应于图像数据集的主导特征模式子集,在特征鲁棒性、鉴别力和表达能力上达到优异性能,同时可以有效降低特征编码的维度,提高算法的执行速度。实验结果表明该算法性能优异,具有很强的鉴别能力和鲁棒性,优于传统LBP和GIMMRP方法,和很多最新算法结果相比,也具有竞争优势。

基于半圆形局部二值模式结构相关性描述子的图像检索

针对传统的结构基元方法缺少对不同量化颜色层中的中心像素点与其潜在邻居的相似性信息描述问题,提出了一种半圆形局部二值模式结构相关性描述子,并将其应用在图像检索中.首先,定义了一种新的半圆形局部二值模式结构基元;其次,检测不同量化颜色层中的结构基元;最后,提取新结构基元的空间分布和对比度特征.相比传统的结构基元方法,提出的描述子检测的结构基元更加丰富,包含更多可能的结构区分性.在不同图像库上的实验结果表明了所提方法的有效性.

时频图像局部二值模式特征在雷达信号分类识别中的应用

针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法。该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35%。所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性。

基于图像二值化处理的气泡羽流不稳定结构分析

气泡羽流是在曝气过程中产生的一种复杂的两相流动。对气泡羽流中气泡速度信息的提取是粒子图像测速算法(PIV)的核心部分。速度信息的提取即数字图像的预处理过程。本研究主要是在读取灰度值后,通过大津法得到相应的最佳阈值分割点,再采用该灰度阈值对图像进行二值化,以此来减少噪声对流场的影响,降低图像后处理的难度,这是气泡羽流的运动规律研究的一个重要过程。图像的二值化处理能有效地提高PIV技术计算流场的精度,为研究气泡羽流在曝气过程中产生的不稳定结构奠定了基础。

基于抗噪声局部二值模式的纹理图像分类

局部二值模式(local binary pattern,LBP)特征是一种简单有效的纹理特征描述符,但是它的抗噪声能力较差.针对这一问题,提出一种对噪声较为鲁棒的纹理特征表示方法——抗噪声的完整增强局部二值模式(noise-tolerant complete enhanced LBP,CELBPNT).该特征基于局部二值模式特征,对光照、旋转和噪声均具有较好的鲁棒性.其提取过程如下:1)根据LBP中各模式的结构和出现频率对特征中的模式重新分类,提出增强局部二值模式(enhanced LBP,ELBP)特征;2)添加差值的模值信息与中心像素信息,并根据图像尺寸自适应地调整其中的阈值,提出完整增强局部二值模式(complete ELBP,CELBP)特征;3)进一步将该特征进行多尺度下的表示,从而最终提出具有抗噪声能力的纹理特征——CELBPNT.通过在常用的纹理数据库上添加不同强度和不同类型噪声的情况进行实验,结果表明:CELBPNT不仅能够显著提升无噪声纹理图像的分类性能,而且对含有噪声的纹理图像分类也有显著的性能提高.

基于分块局部二值模式的图像检索研究

提出一种分块局部二值模式的图像检索方法,首先利用3×3像素邻域的局部灰度均值代替其中心像素作为阈值计算LBP值,以改善传统LBP算子的缺陷;然后对图像采用分块处理,以便更好地提取图像的局部特征.实验表明,与传统的基于局部二值模式的图像检索方法相比,此方法具有更高的检索准确率.

神经网络的二值图像模式识别技术

文中论述的是以攻击空中目标为背景的近场图像探测装置对目标的一次性探测机理和识别原则 ,并根据系统的性能指标要求 ,在图像生成过程中对目标的局部图像进行识别和处理。首先介绍了运动目标的一次性非完整图像的基本特征 ,图像的像点连接键描述和矩阵表示及不变性处理原则。再根据其识别准则 ,论述了一次性非完整目标图像基于人工神经网络的二值图像模式识别方法 ,这样提高了近场图像探测装置对目标的自动识别和抗干扰能力。文中还给出了人工神经网络二值图像模式识别处理系统的原理框图和仿真结果。

基于改进局部二值模式算法的中草药图像鉴别

以颜色特征和纹理特征相结合的方法实现中草药显微图像的识别。将RGB图像转换为HSV图像,以HSV直方图对目标图像颜色特征进行提取;在传统局部二值模式中引入支持旋转不变特征的算子,并以均匀模式来描述目标图像的纹理,从而有效降低特征的维数;针对传统局部二值模式未考虑邻域像素分布特点而影响了纹理特征提取效果的不足,为其加入邻域点灰度值间的关系,对所有的相邻像素进行二值化;以Chi平方统计法对直方图进行相似性度量;为克服传统K近邻法的多优解问题,引入最短距离模式对最优解进行提取;最后通过优化算法来验证其集体性能,过程中结合训练集与测试集,证实优化算法的识别效果更佳。

基于图像模式识别的混凝土二维显微结构研究进展及问题分析

目前混凝土工作者试图通过模式信息识别软件自动快速获取混凝土孔结构(如数量、孔隙率、孔分布状态、孔形状、孔径大小及圆度)、裂缝(裂缝大小、裂缝分布及扩展趋势)、集料(数量、级配、分布均匀性及粗糙度)、胶凝填充效果(填充度及包裹度)及界面结构(过渡区及水化度)等方面的特征参数,以实现混凝土二维显微结构的自动检测。本文就该领域目前研究现状进行了阐述,并对目前研究中存在的问题进行了全面的分析。

基于模糊局部二值模式算子的图像伪造检测

为解决当前图像复制移动伪造检测算法的识别精度受阈值参数影响较大、无法消除图像特征误配、以及鲁棒性不佳等不足,提出随机样本一致策略耦合模糊局部二值模式算子的图像伪造检测算法。引入逐像素自适应Wiener滤波,过滤图像分块;基于局部二值模式LBP(local binary patterns),引入模糊集理论,设计模糊二值模式算子,提取图像特征;基于字典排序,对特征矢量进行排序;嵌入K-d树,定义识别多数规则,设计高效块匹配算法,精确检测真实的伪造分块;利用随机样本一致算法,消除图像分块误配。仿真结果表明,与当前伪造检测技术相比,该算法的检测精度更高,具有更强的鲁棒性。

鲁棒局部二值模式及其在图像检索中的应用

针对基于内容的图像检索中对象描述与图像特征间的语义差异以及检索结果易受外界因素影响的问题,提出一种鲁棒局部二值模式(RLBP)结合二进制引力搜索算法(BGSA)的CBIR方法。利用RLBP算子对需要查询的图像和数据库图像进行特征提取;利用BGSA进行特征选择,使特征选择和特征提取并行运行;提取的特征向量与数据库向量进行相似度测度;通过用户的反馈获得系统的偏好,排在前几名的检索图像即最优匹配结果。在Corel、Brodatz和MIT-Vision这3个公开数据库进行4组实验,研究一般情况、有噪声情况、光照变化情况的检索结果,实验结果表明,与同类方法相比,该方法对光照和噪声的鲁棒性更佳,在平均检索率和召回率方面具有一定优势。

基于多级交叉局部二值模式的高光谱图像分类

高光谱遥感图像的分类一直是比较活跃的研究领域,利用空间纹理特征辅助分类是其中的关键方向之一。针对传统局部二值模式仅考虑中心像元和邻域像元关系,及获得的纹理特征维度过高的问题,提出了利用多级交叉局部二值模式获取空间纹理特征辅助分类的方法。利用局部二值模式算子计算纹理特征时,考虑了邻域像元之间的关系,分别从水平垂直方向和对角方向计算编码值,利用不同尺度窗口生成统计直方图,将其组合获得空间纹理特征。实验表明,此方法能够在合适的维度下获取更有效的纹理特征,在辅助分类过程中进一步提高了分类性能。

二值图像的模式识别方式

根据运动物体的一次性成像原理,按照一定阈值范围,将扑捉到的图像二值化,并对图像进行存储。同时,将图像首先按旋转不变性的处理原则对图像进行归一化;对图像的存储矩阵进行预处理,获得一个M特征的特征向量。然后对M特征的向量压缩,选取最大量的K向量。最后对M个支持点的模糊集计算其模糊度,确定其归类。

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.

结合金字塔和局部二值模式的遥感图像分类

在住宅区遥感图像分类中,为了克服尺度变化和旋转变化带来的影响,提出一种结合金字塔原理和局部二值模式的图像分类算法。首先对原始住宅区遥感图像进行多次下采样以构建不同尺度的空间金字塔;然后利用局部二值模式提取不同尺度遥感图像的纹理特征,以消除旋转变化的影响;最后将不同尺度下的纹理特征融合到一起,利用支持向量机对住宅区遥感图像进行分类。在标准图像数据集上的实验结果表明,低尺度纹理特征将会降低住宅区遥感图像的分类精度,与单尺度纹理特征相比,多尺度融合的纹理特征提高了遥感图像分类精度,平均高达4.77%。

一种分离结构与像素的二值图像压缩算法

文章提出了针对二值图像压缩的基于四叉树的分离结构与像素的算法,该算法通过一个阈值来决定对图像像素的合并,在合并过程中生成图像的四叉树结构,并根据结构中节点的取值来决定像素数据的存储,最后形成分离的结构数据与像素线性表。因为在数据分离过程中采用了去冗余处理,该算法对复杂图像的压缩比高于采用JBIG标准所产生的结果;又因为采用了由底至上的合并方案,使该算法有良好的时间和空间复杂性O(N)。由于压缩后的图像含有结构特征,算法可用于建立不同图像之间的联系,同时还适用于对气象、地貌等复杂图像的压缩。

二值图像形态操作与结构元素分析

分析了二值图像的形态操作,探讨了二值图像形态操作中结构元素对图像处理结果的影响.在Matlab数字图像处理工具箱中,将索引图像转换成二值图像,给出了运用钻石形结构元素对二值图像进行了膨胀和腐蚀操作的实例.

对称二值模式下多层次特征图像匹配算法仿真

针对传统方法对多层次特征图像进行匹配时存在抗噪能力差、匹配精度低的问题,提出一种对称二值模式下多层次特征图像匹配算法。通过SIFT特征提取法提取图像特征,利用尺度集对图像特征的极值进行筛选,并得到有效特征点。以纹理特征、颜色特征和方向特征为指标对有效特征点进行描述,使图像特征更具清晰化。根据描述结果建立k-d树,对多层次图像特征粗匹配,进而完成多层次特征图像匹配。为检测匹配算法效果,与传统匹配算法进行对比,仿真结果表明,所提方法能够在短时间内较为精准地完成匹配,抗噪能力强,匹配效果好。

基于多阶局部二值模式的图像纹理提取技术探讨

人脸特征提取,是人脸识别技术过程中必不可缺、非常关键的步骤之一,目前常见的方法有基于面部器官的特征提取、基于模板的特征提取、基于代数方法的特征提取、基于弹性匹配法的特征提取等多种方法,T.Ojala等人提出了局部二值模式(Local Binary Pattern,LBP)方法,利用它来进行图像的纹理特征提取。利用局部二值模式算子验证了二阶局部二值模式方法更有利于提高图像的识别效果,方法简单易行,计算量小,如能与其它的方法一起配合使用,则能大大提高图像的识别率。