多尺度局部二值模式傅里叶直方图特征的表情识别

针对表情识别的简便快捷问题,提出一种多尺度局部二值模式傅里叶直方图(LBP-HF)和主动形状模型(ASM)相结合的人脸表情识别方法。该方法首先利用ASM检测并分割人脸区域,减少不相关区域的影响;然后提取多尺度LBP-HF特征形成识别向量;最后采用最近邻分类方法进行表情识别。通过提取不同尺度的LBP-HF特征,研究各个尺度LBP-HF特征对表情识别的影响,最终结合多尺度LBP-HF特征实现表情识别,获得更有效的表情特征。通过与Gabor特征的实验结果进行对比,验证该方法的简便可行性,最高平均识别率达到93.5%。实验结果表明,该方法可以用于人机交互中。

一种非刚性三维模型的尺度不变局部特征提取方法

提出了一种具有尺度不变性的非刚性三维模型局部特征提取方法,即基于局部多值模式的热核特征(local multilevel pattern based heat kernel signatures,LMP-HKS).首先设计了一种适用于一维信号的基于局部多值模式的编码方法;然后通过对HKS特征的对数差分结果使用局部多值模式来计算特征直方图向量,以获得局部特征向量.该特征不仅保留了HKS特征的等距不变性、信息完备性及稳定性等优良特性,而且具有尺度不变性.与同样具有尺度不变性的SI-HKS特征相比,LMP-HKS特征对于非刚性三维模型的局部形状结构具有更强的描述能力.大量非刚性三维模型检索的实验结果验证了该局部特征的有效性.

用于纹理特征提取的改进的成对旋转不变共生局部二值模式算法

针对用于纹理特征提取的成对旋转不变共生局部二值模式(PRICoLBP)算法计算特征维度大、旋转不变性较差、对光照变化敏感的问题,提出一种融合局部纹理信息的改进PRICoLBP算法。首先,分别最大化和最小化图像像素点的二值序列,得到两个邻域像素点的坐标,由中心像素点坐标和得到的邻域像素点坐标计算出共生点对的坐标;其次,利用完备二值模式(CLBP)算法提取图像的每个像素点的纹理信息。在相同分类器下,对Brodatz、Outex(TC10,TC12)、Outex(TC14)、CURe T和KTH_TIPS数据库的分类实验中,所提算法的识别率比PRICoLBP算法分别提高了0.17、0.24、2.65、2.39和2.04个百分点。实验结果表明,所提算法在处理纹理旋转变化、光照条件多样的图像时具有较好的识别效果。

多尺度自适应阈值局部三值模式编码算法

针对局部二值模式(local binary pattern,LBP)描述信息单一以及对噪声敏感的问题,提出一种多尺度自适应阈值局部三值模式(multi-scale adaptive local ternary pattern,MSALTP)编码算法。MSALTP首先将原始图像放大;其次将图像平均划分成几个区域,并计算像素的均值;然后计算每个区域中心像素与均值的偏差;最后提取ALTP特征,将结果统计特征直方图实现图像分类。实验表明提出的算法识别率比目前较好的抗噪声算法在不同的噪声下识别率有较大提高。

成对旋转不变的共生自适应完全局部三值模式

针对成对旋转不变的共生局部二值模式(PRICoLBP)旋转不变性较差及其相关改进算法EPRICoELBP对光照变化和噪声干扰较为敏感的问题,提出了一种增强成对旋转不变的共生自适应阈值完全局部三值模式。通过自适应阈值局部三值模式(ALTP)将图像分成Upper和Lower模式;分别在两种模式中找出像素点LBP特征极大、极小值对应的邻域起始编码点,利用中心像素点与其LBP特征极大、极小值对应的邻域起始编码点作为方向矢量,来确定中心像素点的上下文共生点对;利用自适应阈值完全局部三值模式(ACLTP)提取Upper和Lower模式中共生点对的局部纹理信息;联合上下文共生点对的特征直方图训练卡方核支持向量机,进行纹理图像识别检测。在应用广泛的Brodatz、Outex(TC10、TC12-h、TC12-t、TC14)、CUReT、KTH_TIPS、UIUC标准纹理库中,该算法相较于原始的PRICoLBP算法和其他算法在分类准确率上均有一定的提升,且在添加了高斯噪声和椒盐噪声的KTH_TIPS纹理库中,该算法依旧保持了较高的分类准确率。实验结果表明,该算法对旋转、光照变化和噪声干扰具有较强的鲁棒性。

基于VMD和多尺度熵的变压器内绝缘局部放电信号特征提取及分类

为了有效提取局部放电信号的特征,提出了一种基于变分模态分解(VMD)和多尺度熵(MSE)的特征向量提取方法,并采用BP神经网络分类器对放电类型进行识别。特征向量的提取过程是首先利用VMD分解算法对局部放电信号进行分解,得到数个有限带宽的固有模态分量;然后分别计算分解得到的模态分量的MSE,将其组合得到初始特征向量;最后利用主成分分析法对初始特征向量进行降维处理。用该方法对实验室条件下4种放电信号和不同放电程度的电晕放电进行特征提取及识别。结果表明,该方法能有效提取放电信号的特征,以其作为特征向量可以正确识别不同的放电类型和同种放电类型下的不同放电程度。

局部方向三值模式纹理描述子

为解决LDP算子运算速度较慢、对于有些模式无法精确区分等问题,提出局部方向三值模式纹理描述子。采用自适应阈值,对像素8个方向边缘响应进行三值编码,提取并统计正边缘模式和负边缘模式,联合起来构成局部方向三值模式,作为最终特征来描述图像。在Brodatz数据集和CUReT数据集上将该模式与传统的LBP、LDP、FLDP、LTP算法进行对比实验,对比结果表明,与LDP算法相比,该模式在上述两个数据集上的分类准确率分别提高了5.42%和8.43%,运算速度提高了8倍以上;与LBP、FLDP、FTP相比,该模式也有明显优势。

改进局部三值模式的烟雾识别和纹理分类

为提高烟雾识别的检测率和降低误报率,首先提出了基于置信水平的局部三值模式(CLLTP),进而提出了基于CLLTP的组合特征模型(M_CLLTP)。CLLTP是依据差分图像的像素值呈正态分布而提出的一种改进的局部三值模式。M_CLLTP模型提取了原图的CLLTP特征、Gabor特征图的加权的CLLTP特征和边缘特征图的CLLTP特征,并融合它们生成M_CLLTP特征。对比实验显示,M_CLLTP方法在三个烟雾数据集上都获得了较高的检测率和F1分数、较低的误报率,在两个纹理数据库上获得了最高的平均召回率。实验结果表明,所提方法对烟雾和纹理具有很好的辨识能力,非常适用于烟雾识别。

基于自适应方向局部三值模式的人脸识别

为了解决局部三值模式特征向量维数过高和不能自适应选取阈值的问题,引入方向局部二值模式的思想,提出了一种具有自适应性的方向局部三值模式(SD-LTP)。SD-LTP通过具有降低特征向量维数的方向局部三值模式来描述图像,将图像全局灰度特征引入编码中以增强算法对全局特征的描述;引入具有自适应性的阈值增强算法的抗噪能力。在ORL和FERET标准人脸库上的实验结果表明,SD-LTP有效地降低特征维数;并显著提高了人脸的识别率。

一种改进的局部三值模式的人脸识别方法

为了更好的描述人脸特征,提出了一种基于不同尺度像素块及自适应阈值的局部三值(LTP)模式方法.该方法首先将图像分为若干个子区域,采用自适应阈值并基于不同尺度的像素块提取每个子区域的LTP纹理直方图,然后将得到的每个子区域的直方图连在一起并经过主成分分析(PCA)降维处理得到特征向量.在人脸数据库上进行的实验证明,应用该方法进行人脸特征提取并结合最近邻分类法得到了较高的识别率.

基于多尺度局部二值模式的滚动轴承故障诊断

针对滚动轴承早期故障特征较为微弱,容易被淹没在背景噪声中,仅从振动信号单一尺度提取出的特征很难准确表示轴承状态的问题,提出一种基于多尺度局部二值模式的滚动轴承特征提取方法。首先,通过变分模态分解(variational mode decomposition,VMD),得到振动信号在不同尺度下的本征模态分量(intrinsic mode function,IMF);其次,将每个IMF转换成灰度图像的形式,使用局部二值模式(local binary pattern,LBP)提取振动信号在不同尺度的局部纹理特征;最后,将提取出的特征输入反向传播神经网络(back propagation neural network,BPNN)进行分类。通过实测振动信号进行试验,结果表明提出的方法能够很好地提取不同故障状态的轴承特征,且诊断准确率较高。

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.

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.

高鲁棒性和独特性的图像局部不变特征描述

为了提高尺度不变特征变换(scale invariant feature transform,SIFT)算法的不变性,并降低图像中存在多个相似区域时的误匹配率,提出了一种将基于局部二进制模式的中心对称的改进局部三进制模式(center-symmetric improved local ternary patterns,CS-ILTP)描述子和全局灰度值分布(global distribution of intensity,GDI)描述子相融合的局部不变特征描述算法。通过迭代变换,使得由SIFT算法得到的初始特征点收敛到仿射不变点并得到仿射不变区域;分别提取CS-ILTP和GDI描述符,从而得到图像的局部不变特征描述。实验结果表明,所提算法具有高鲁棒性和独特性,相似区域和人工路标匹配中的正确匹配特征个数分别比SIFT算法增加了100%和86%以上。

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式(Local Binary Patterns,LBP)和图变换(Graph Transformation Matching,GTM)的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式(Local Rotation Invariant Binary Patterns,LRIBP)描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.

基于近邻三值模式和协作表示的三维掌纹识别

针对二维掌纹图像存在易伪造、抗噪能力差的问题,提出一种基于近邻三值模式(NTP)和协作表示的三维掌纹识别方法。首先,利用形状指数把三维掌纹的表面几何信息映射成二维数据,以弥补常用均值或高斯曲率映射无法精确描述三维掌纹特征的缺陷;其次,对形状指数图作分块处理,利用近邻三值模式提取分块形状指数图的纹理特征;最后,利用协作表示的方法进行特征分类。在三维掌纹库上和经典算法进行的对比实验中,该方法的识别率为99.52%,识别时长为0.673 8 s,优于其他算法;在识别率方面,与经典的局部二值模式(LBP)、局部三值模式(LLTP)、CompCode、均值曲率图(MCI)法相比分别提高了7.77%、6.02%、5.12%和3.97%;在识别时间方面,与Homotopy、对偶增广拉格朗日法(DALM)、SpaRSA方法相比分别降低了6.7 s、15.9 s和61 s。实验结果表明,所提算法具有良好的特征提取和分类能力,能够有效地提高识别精度并减少识别时间。

局部特征的局部敏感哈希专利二值化图像检索

基于内容的专利二值化图像检索实现过程,其核心问题是图像内容特征的提取表示和匹配度量。图像内容特征的提取表示通过利用尺度不变特征转换(Scale Invariant Feature Transform,SIFT)算法提取专利二值化图像的局部特征,然后基于旋转90°、旋转180°、尺寸扩大2倍以及尺寸缩小1/2等四种几何变换计算减少局部特征数量,实现对专利二值化图像内容全面、准确的描述表示。图像内容特征的匹配度量通过对专利二值化图像的SIFT特征矢量进行二值化处理并且运用局部敏感哈希(Locality Sensitive Hashing,LSH)方法建立图像特征矢量的索引结构,降低专利二值化图像SIFT特征矢量的匹配复杂度,提升专利二值化图像SIFT特征矢量的匹配效率。本文利用不同规模的专利二值化图像数据集合进行上述检索算法的实验测试,结果表明,该检索算法能够实现专利二值化图像较好的检索速度与查全率。

选择局部二值模式的纹理识别

图像识别是模式识别领域中的一种非常基本的应用,也是计算机应用领域中一门很有前景的技术,它运用计算机对数字图像进行处理、分析和理解,以识别各种不同模式的目标和对像。局部二值模式(LBP)普遍应用于纹理分割、纹理分类、人脸图像分析等领域,已成为分类特征的一种基本方法。笔者介绍了一种尺度选择局部二值模式的计算方法和实现原理,然后详细说明了运用新方法进行实验的步骤,最后根据在公共纹理数据库中的实验结果分析新方法具有的优点以及在不同的尺度下对纹理分类具有的良好效果。实验结果表明,在UIUC数据库中的正确率达到99.2%,而在KTHTIPS数据库中的正确率能达到99.5%。

尺度选择完备局部导数模式及其在热轧带钢图像分类中的应用研究

纹理特征提取是纹理分类中最关键的一步,由于成像条件的不可预知,纹理图像中存在旋转、尺度、噪声等各种因素的变化,给纹理分类的研究工作带来了挑战.为了增强纹理特征提取算法对旋转、尺度和噪声变化的鲁棒性,提出尺度选择完备局部导数模式(Scale Selective Completed Local Derivative Pattern,SSCLDP).首先,采用自适应中值滤波器对图像进行降噪处理.其次,采用二维高斯滤波器生成该图像的尺度空间.在每个尺度下使用完备局部导数模式(Completed Local Derivative Pattern,CLDP)提取该图像的旋转不变特征,跨尺度取最大值作为该图像的尺度不变特征.将SSCLDP与同类算法在七个公共纹理数据集和热轧带钢图像数据集上进行了实验,实验结果表明,SSCLDP在纹理图像分类和热轧带钢图像分类上有较好的工程应用价值.

基于改进局部三元模式的乳腺癌预测模型

目的探讨基于改进局部三元模式(LTP)算法提取的乳腺新型纹理特征及其与常规特征融合预测乳腺癌的价值。方法对钼靶图像进行乳腺分割,采用基于改进LTP算法提取双侧乳腺的新型纹理特征和常规特征;合并左右侧乳腺纹理特征;采用主成分分析法对提取的高维纹理特征降维;以K最近邻(KNN)和LADTree算法分别对纹理特征及融合纹理特征进行分类。结果基于改进LTP算法提取的新型纹理特征预测乳腺癌的ROC曲线下面积(AUC)为0.732 4±0.042 8,敏感度为72.04%(67/93),特异度为74.51%(76/102),准确率为73.33%(143/195);融合常规特征后AUC为0.865 5±0.014 8,敏感度为84.95%(79/93),特异度为88.23%(90/102),准确率为86.67%(169/195)。结论基于LTP算法提取的新型纹理特征预测乳腺癌的精度较高,与常规特征融合后可进一步提高预测效能。