改进局部图结构结合加权纹理估计的人脸识别算法

针对一般纹理描述子在姿势、光照和面部表情变化时不能较好描述人脸纹理特征,提出一种改进的局部图结构(MLGS)结合加权纹理估计的人脸识别算法。首先,改进的算子基于阈值邻域像素计算出每个像素的新特征值,生成直方图;然后在训练阶段存储所有训练文件的直方图作为每个用户的模板;最后,利用加权纹理估计完成人脸识别。在AT&T和Yale人脸数据集上的实验结果表明,即使只有10%的训练文件(每个用户一个训练文件)本文算法仍获得最高精度。此外,在10%的训练文件时,其算法具有最低的错误接受率(FAR)和错误拒绝率(FRR)。相比其他几种优秀的算法,算法取得更好的识别性能。

加权纹理特征在高分辨率遥感影像耕地再分类中的应用

本文利用耕地在高分辨率遥感影像上表现为光谱特征相近而纹理特征差异较大的特点,提出以影像的纹理特征作为分类的主导因素。首先,对纹理特征各分量对分类的影响进行了分析,提出了带加权因子的纹理特征分类方法。接着,提出了高分辨率遥感影像耕地再分类的算法。最后分别就Brodatz标准组合纹理和高分辨率航空遥感影像进行了分类试验,结果表明利用加权的纹理特征对耕地进行再分类是有效的。

基于加权融合纹理的路面裂缝检测

基于规则纹理的路面裂缝检测算法由于其自身存在的弱规则性、抗噪性差和稳定性差等问题,不能有效地检测出路面裂缝。为了解决此类问题,提出了一种基于加权融合纹理的路面裂缝检测算法。该方法采用单向多级中值滤波器滤除噪声,同时有效地保留裂缝边缘细节信息;然后融合局部二元模式特征、相对标准差和对比度三种纹理特征提取路面裂缝。实验结果表明,该算法抗噪性好,能快速有效地检测出路面裂缝。

融合颜色与纹理特征的粒子滤波目标跟踪

针对采用单一颜色特征的粒子滤波目标跟踪算法在背景相似、光照变化复杂的场景下会导致跟踪失败的问题,提出一种基于LBP纹理和颜色特征融合的粒子滤波跟踪目标算法。综合加权颜色直方图和LBP纹理直方图进行目标特征描述,建立目标观测模型;同时粒子滤波进行状态预测,利用Bhattacharyya系数进行相似度测量,作为目标区域参考模型更新准则,实现权值更新;最后对权值归一化处理,得到目标位置状态的最终估计。实验结果表明该算法不仅提高了跟踪方法的鲁棒性,而且在目标遮挡、光照变化等干扰下,具有较好的准确性。

磁共振体素内不相干运动扩散加权成像结合T2加权成像纹理分析诊断宫颈癌组织分型和宫旁浸润的价值

目的 观察探究磁共振体素内不相干运动扩散加权成像(MRI IVIM-DWI)结合T2加权成像(T2WI)纹理分析诊断宫颈癌组织分型和宫旁浸润的价值。方法 选取2020年5月—2022年5月湖州市第一人民医院经术后病理确诊的宫颈癌患者84例为研究对象,回顾性分析其临床资料,分为宫颈鳞癌66例和腺癌18例,宫旁浸润37例和宫旁未浸润47例,均接受常规MRI和IVIM-DWI扫描,并测量IVIM-DWI参数[标准表观扩散系数(ADC)、快速扩散系数(D*)、慢速扩散系数(D)及灌注分数(f)]和T2WI纹理特征参数(平均值、峰度、偏度及熵)。比较各组MRI IVIM-DWI和T2WI纹理分析参数的差异,采用受试者工作特征曲线(ROC)和曲线下面积(AUC)评估MRI IVIM-DWI结合T2WI纹理分析对宫颈癌组织分型和宫旁浸润的诊断效能。结果 鳞癌和腺癌组间D、D*、f、峰度及熵[鳞癌(0.49±0.08)×10^(-3)mm^(2)/s、(15.35±3.17)×10^(-3)mm^(2)/s、(0.23±0.07)%、(3.79±1.36)及(5.49±0.65),腺癌(0.61±0.12)×10^(-3)mm^(2)/s、(20.43±5.50)×10^(-3)mm^(2)/s、(0.36±0.14)%、(1.20±1.01)及(6.55±0.84)]比较,差异均有统计学意义(t=3.784、3.753、3.926、7.537及5.083,均P<0.05)。宫旁浸润和宫旁未浸润组间D和熵[宫旁浸润(0.49±0.10)×10^(-3)mm^(2)/s、(6.07±0.76),宫旁未浸润(0.54±0.09)×10^(-3)mm^(2)/s、(5.43±0.75)]比较,差异均有统计学意义(t=2.632、3.850,均P<0.05)。ROC分析结果显示,D、D*、f、峰度及熵联合诊断宫颈癌组织分型的AUC大于各参数单独诊断(P<0.05),D和熵联合诊断宫颈癌宫旁浸润的AUC大于各参数单独诊断(P<0.05)。结论 MRI IVIM-DWI结合T2WI纹理分析对宫颈癌组织分型和宫旁浸润具有一定的诊断价值,其中D、D*、f、峰度及熵联合有助于提高对宫颈癌组织分型的诊断效能,D和熵联合则有助于提高对宫颈癌宫旁浸润的诊断效能。

基于水平分量优先原则的RDW-LBP人脸识别算法

首先分析了人脸图像不同的方向性细节对识别率的影响,提出了水平分量优先原则。结合该原则提出了一种基于多尺度区域性-方向性加权的规范型二元局部纹理描述算子RDW-LBP的鲁棒人脸识别算法。算法通过多尺度Haar小波分解,提取多级尺度分量和含有最多有效识别细节的一级水平细节分量,组成待分析系数子图矩阵M。计算矩阵M的RDW-LBP纹理特征图谱,结合子区域剖分,连接子区域特征共同组成人脸图像特征向量,最后使用基于Chi-Square距离的分类器进行识别。