基于信息熵的二维局部二值模式静脉识别

基于现有LBP算法及其变体无法提取图像高维特征的问题,提出一种基于信息熵的二维局部二值模式识别算法。此方法首先利用统一局部二值模式(ULBP)对图像进行低维特征的提取,随后将图像信息熵与统一局部二值模式图谱进行结合获取熵值加权的统一局部二值模式图谱(EULBP),并利用滑动窗口实现对局部区域内模式间共现特征信息的统计,以其结果作为图像特征表达。并以直方图交叉距离为基础构建模式分类器,验证其识别性能。实验结果表明,在SDUMLA⁃HMT数据集以及马来西亚理工大学指静脉数据集(FV⁃USM)中,提出的算法能取得99.94%和98.84%的平均识别率。

联合改进LBP和超像素级决策的高光谱图像分类

高光谱图像在有标签样本数目较少的情况下进行分类时,除了利用光谱特征外,空间纹理特征也是必不可少的。本文提出了一种利用多尺度多方向局部二值模式(LBP)描述子获取纹理特征,并结合超像素级指导决策的支持向量机分类方法。首先,本文方法将传统LBP描述子改进为多尺度多方向LBP描述子,一方面充分考虑了邻域像素之间的关系,另一方面在计算时分别考虑了水平垂直方向和对角方向。其次,在利用统计直方图获得纹理特征时,采用了多个尺寸窗口组合的方式,以获得多范围、高精度的纹理特征。第三,对传统的简单线性迭代聚类(SLIC)超像素分割方法进行改进,重新定义了光谱距离并引入了纹理特征距离,获得更精确的超像素分割图。最后,利用超像素分割图结合多数投票策略,对分类结果进行进一步的指导校正。实验表明,本文方法能够更有效的提取纹理特征,再结合超像素分割图的指导决策,进一步提升高光谱图像的分类性能。

基于纹理特征的自适应SLIC超像素分割算法

由于简单线性迭代聚类算法(Simple Linear Iterative Cluster,SLIC)只考虑了颜色和空间信息导致分割不准确且边界附着度不高,且人工预设的超像素块数也会影响后续分割效果,提出了一种基于纹理特征的自适应SLIC超像素分割算法。先使用图像复杂度衡量图像分割的难易程度,根据自适应计算合适的图像分割块数,再基于SLIC算法把局部二值模式(Local Binary Patterns,LBP)纹理特征纳入相似性度量,提高SLIC算法分割精度。实验结果表明,本文方法与SLIC算法相比有更高的评价指标。

无人机遥感下城市道路边界高效提取仿真

城市道路环境通常是大规模且复杂的,使得无人机采集图像中的影子和模糊等因素会导致道路边界的模糊或不清晰,使得精确提取变得困难。为此提出基于无人机遥感的城市道路边界高精度提取。利用无人机遥感设备采集城市道路遥感图像,对其实施色调-饱和度-亮度(Hue Saturation Value, HSV)色彩空间变换、反射率转换、图像配准和融合处理,去除图像噪声,提高其清晰度;利用简单线索化迭代聚类(Simple Linear Iterative Clustering, SLIC)超像素分割算法分割遥感图像中的道路和非道路像素区域;通过多元局部二值模式(Local Binary Patterns, LBP)特征提取方法实现城市道路边界的高精度提取。实验结果表明,所提方法在提高遥感图像清晰度和去除图像噪声干扰的同时,具有较高的道路边界提取精度和提取效率,边界提取所用时间仅为2.74ms。

基于分块LBP融合特征和SVM的人脸识别算法

针对传统局部二值模式(LBP)特征提取方法在光线和人脸表情变化的情况下表现不佳、单一方法提取出的特征不能多角度表现出整张人脸的特征信息的问题,提出一种基于分块LBP融合特征和支持向量机(SVM)的人脸识别方法。先将人脸图像划分为不同的块,对每一块提取LBP特征;然后将不同分块的像素均值特征与LBP特征进行融合,用融合后的特征向量来表征人脸;最后引入SVM作为分类器对上述特征进行分类。在YALE、ORL标准人脸库以及自建人脸库上进行实验验证,实验结果表明:该方法识别准确率分别能达到95. 15%,99. 75%,96. 25%,对比实验显示,该方法优于C4. 5决策树、随机森林等传统方法。

多模式共生的彩色纹理图像分类方法

针对单一方法进行纹理图像分类时易受旋转、光照等干扰的情况,提出了一种结合颜色特征和纹理特征的共生纹理分类方法。将图像转换到HSV颜色空间后,对H通道使用SLIOP算法以及对S和V通道用CLBP算法提取特征,然后将各自提取到的特征进行串联共生,最后利用支持向量机对纹理图像进行分类。基于被广泛使用的纹理图像数据库,对提出方法与其他典型分类算法进行实验对比,分析表明在分类的准确率和计算效率上获得了较大提升。实验结果表明,提出了方法具有较强的旋转不变性、光照不变性以及抗噪性。

半色调图像纹理特征提取方法

提出基于局部二值化模式和像素相关算子的半色调图像纹理特征提取方法,以实现误差分散类半色调图像的分类。该方法是将误差分散类图像先进行局部二值化模式变换,再以任一像素点为中心,取适当的距离提取八个方向的像素相关值作为图像的特征向量,最后将提取的特征通过BP神经网络进行分类。实验结果表明,提出的算法适用于二值图像的特征提取,能够降低局部二值模式的特征维数,提高时间效率和空间利用率;相对灰度共生矩阵算法提出的算法在计算复杂度、识别精度等性能方面都有所改善。

噪声环境下的人脸防伪识别算法研究

智能时代,人脸识别算法是智能身份认证的关键支撑技术之一,在门禁、手机解锁和金融支付领域有着重要应用。而人脸防伪识别则是用来增强其识别安全性,对抗伪造人脸攻击和鉴别真实人脸的防御性技术,相关研究颇多。其中基于LBP(local binary pattern)的人脸防伪算法综合性能较好,但是现有算法在噪声场景下的识别性能还难以令人满意。为此,文章提出基于相邻像素对的PLBP(pairwise local binary pattern)特征模式,通过充分挖掘像素对之间的相关性,来改进噪声环境下的算法性能。相比于LBP,所提算法以相邻像素对均值为基准与邻域其余像素比较生成二进制模式,从而能够利用像素对间的空间相关性来获取新的人脸特征。实验结果表明,该算法与主流LBP算法相比性能有所提升。其在无噪声条件下准确率接近了95.05%,在有高斯噪声环境下则能有效降低性能损失。相比其他算法在高斯噪声环境下的准确率下降情况,所提算法表现稳定,有着较好的鲁棒性。

基于眼部图像特征的肝肾疾病病证比较研究

目的:基于五轮学说及眼部图像特征提取技术,探讨不同证候(湿热内蕴证、肝郁脾虚证、肝肾阴虚证)的肝硬化及慢性肾脏疾病患者眼部图像特征及其差异性,以期从眼部图像特征上为肝硬化临床诊断及证候辨识提供数据支持。方法:选取2017年10月至2018年3月在上海中医药大学附属曙光医院肝硬化科住院的湿热内蕴证、肝郁脾虚证及肝肾阴虚证3种证候的肝硬化患者118例为研究对象,运用眼科裂隙灯采集受试者的眼部图像,并以年龄、性别、体质量指数匹配的非肝病(慢性肾脏疾病)患者115例及健康志愿者112例眼部图像特征为对照进行比较研究。剔除因受到各种因素干扰眼部图像不符合要求的患者,最终3组各纳入60例进行眼部图像分析。基于图像局部二值模式(LBP)特征提取法,将彩色图像转化为共生矩阵,计算图像LBP特征面积百分比。通过方差分析、秩和检验等统计学方法对相关指标进行比较分析,找出组间差异性。结果:肝硬化患者、慢性肾脏疾病患者与健康人3组眼部图像LBP特征面积百分比差异均有统计学意义(P<0.05)。与健康人组相比,在255层面积百分比中,肝硬化组有245层差异有统计学意义(P<0.05),慢性肾脏疾病组有246层差异有统计学意义(P<0.05)。肝硬化组与慢性肾脏疾病组相比,2组共有15层面积百分比差异有统计学意义(P<0.05)。对2种疾病间不同证候的LBP特征频数面积百分比进行比较,慢性肾脏疾病患者湿热内蕴证、肝郁脾虚证及肝肾阴虚证3组证候间共19层差异有统计学意义(P<0.05),而肝硬化组患者3组证候间差异无统计学意义(P>0.05)。比较3种证候不同疾病间的LBP特征频数面积百分比,湿热内蕴证中,肝硬化与慢性肾脏疾病组患者间有54层差异有统计学意义(P<0.05);肝肾阴虚证中共有46层差异有统计学意义(P<0.05);而肝郁脾虚证的2种疾病间差异无统计学意义(P>0.05)。比较湿热内蕴证、肝郁脾虚证与肝肾阴虚证3种证候间频数面积百分比,发现有2层差异存在统计学意义(P<0.05)。结论:基于眼部图像LBP特征发现,肝硬化及慢性肾脏疾病2种疾病间存在明显差异,且2种疾病的相同证候间比较亦有显著性差异,但同一疾病的3种不同证候间比较,仅肾脏病患者在一定程度上有差异,而肝硬化患者各证候间区分不明显。提示运用眼部图像LBP特征提取技术对不同疾病区分的敏感性优于对证候的区分。

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。

基于半色调图像的邻域相似性描述子方法

局部二值化模式是对局部信息进行特征提取,适合解决纹理特征不明显的图像特征提取问题,但这种方法存在特征维数高的问题。针对此问题,提出一种适用于半色调图像特征提取的邻域相似性描述子方法。该方法将8个邻域分别与中心像素值进行比较运算,然后求这8个运算值间的相似性指标。相似性指标的统计量进行归一化后作为图像的纹理特征向量。试验中,采用BP神经网络对提取图像特征进行分类试验。试验结果表明,在计算复杂度、识别精度等方面,本研究提出的方法优于单纯使用局部二值化模式算法。