基于均匀尺度不变局部三元模式的背景建模及其在Intel HD显卡上的并行实现

针对尺度不变局部三元模式(SILTP)背景建模算法复杂度较高、计算速度较慢,不利于高速视频处理的问题,提出了一种新的均匀尺度不变局部三元模式(USILTP)背景建模并行算法。首先,通过规范SILTP编码的跳变次数得到USILTP纹理特征,实现了SILTP特征降维;其次,设计并实现基于英特尔核芯显卡(Intel HD)及开放式计算语言(Open CL)的USILTP背景建模并行算法,进一步加速了USILTP背景建模算法;最后,通过融合多颜色通道模型结果,优化了USILTP背景建模算法的前景效果。实验结果表明,在Intel HD 4600上处理320×240分辨率的视频,该算法将速度提升至98 frame/s,比SILTP背景建模算法快4倍;在前景检测方面,该算法在背景公开数据库上的性能比SILTP背景建模算法提升了2.1%。

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。

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.

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.

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.

高效的光照、旋转、尺度不变纹理分类算法

纹理图像中存在的光照、旋转、尺度变化使纹理分类成为一个极具挑战性的问题.针对传统的纹理分类算法在同时解决光照、旋转、尺度变化问题和实时性方面存在的不足,提出一种高效的光照、旋转、尺度不变纹理分类算法.首先利用原始图像及其2次高斯滤波图像构造尺度空间,采用带邻域主导方向的完备局部二值模式算法在不同尺度上提取光照、旋转不变的纹理特征;然后利用跨尺度取模式最大值的方法获得尺度不变的纹理特征;最后利用最近子空间分类器进行分类.在5个有代表性的纹理库上进行实验的结果表明,该算法不需要预先学习,能较好地解决纹理分类中的光照、旋转、尺度变化问题,并具有较高的实时性.

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。

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%。

局部二进制模式方法综述

目的局部二进制模式(LBP)是一种理论简单、计算高效的非参数局部纹理特征描述子。由于其具有较高的特征鉴别力和较低的计算复杂度,因此近期获得了越来越多的关注,在图像分析、计算机视觉和模式识别领域得到了广泛的应用,尤其是在纹理分类和人脸识别两个经典的模式识别问题中,LBP方法得到充分的研究和发展。鉴于LBP的理论意义和实用价值,为了使国内外同行对LBP方法有一个较为全面的了解,对其进行系统总结。方法在广泛文献调研的基础上,主要以纹理分类和人脸识别为应用背景,系统综述了LBP及现有各种LBP各种改进方法,从每种方法的研究动机、解决思路和方法特点及性能等方面进行总结。结果首先,回顾了LBP方法的发展历程,综述了LBP及其众多改进方法的基本原理,系统梳理和评述了各种LBP方法的优势与不足,并在统一框架下对各种LBP方法进行分类总结;然后,综述了LBP及其各种改进方法在纹理分类和人脸识别中的应用研究,并总结了一些方法在基准数据库上达到的最高分类正确率;最后,凝练出LBP方法进一步的发展方向。结论 LBP方法的研究仍然是计算机视觉和模式识别领域倍受青睐的热点研究领域,仍然有更多低存储、快速的二值特征描述子被提出,LBP方法的应用领域仍在继续拓展。

融合多特征的运动目标特征提取方法

运动目标的特征提取是运动目标分类的基础。仅依赖于单特征进行运动目标分类容易受到目标区域检测精度不准确、目标角度、尺度变化以及噪声干扰等因素影响,从而造成分类准确度降低。为克服上述缺点,提高算法的鲁棒性,提出了融合宽高比特征、旋转不变均匀局部二值模式特征以及尺度不变特征(SIFT特征)的运动目标特征提取算法,并在此基础上基于支撑向量机和K近邻方法对运动目标进行分类。实验表明,采用融合多特征的运动目标特征提取方法能够显著提高运动目标的平均分类准确率。

一种基于LTP特征的图像匹配方法

为了解决可变光照条件下图像匹配困难这一问题,提出一种基于LTP(局部三值模式)特征的图像匹配方法。LTP是LBP(局部二值模式)的扩展,这种局部纹理描述算法较LBP更具有判别能力而且对于统一区域的噪声更不敏感。利用LTP对于图像旋转和光照变化都具有良好的鲁棒性,解决了在光照可变条件下流行的SIFT方法进行匹配的困难。通过对不同变换的图像进行匹配实验表明,该方法得到的匹配结果比LBP效果更好,鲁棒性更高,而在光照可变和噪声很大的情况下比流行的SIFT方法更实用。

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。

基于码本和纹理的视频监控系统的性能提升

针对现有视频监控系统智能化的视频分析功能不足的问题,利用海康监控系统的SDK开发包,获取实时视频流,并结合码本和尺度不变局部三元模式(scale invariant local ternary pattern,SILTP)纹理描述符构建背景模型,进行了移动目标检测和跟踪研究。实验结果表明,与现有系统相比,该方法检测到的目标完整充实,能够获得目标的轮廓与轨迹,有效提升了原有监控系统的性能。

基于自适应阈值与双特征的ViBe运动车辆检测算法

ViBe算法在运动车辆检测中容易产生鬼影和空洞现象,为此,提出一种融合双特征建模和自适应阈值的背景减除算法。用尺度不变局部三值模式特征和颜色特征对首帧视频序列构建背景模型后,结合2种特征的变化改进ViBe算法的判别方法。当某像素被判别为前景时,使用Otsu算法计算图像的最佳分割阈值并根据该阈值对前景像素点进行第二次判断,采用改进的ViBe更新策略更新背景模型。实验结果表明,相对ViBe算法,该算法可以抑制鬼影和空洞现象,提高运动车辆检测的精确度,且在光照变化时具有较好的鲁棒性。

基于SIFT-LBP的图像检索优化算法研究

针对尺度不变特征变换(SIFT)算法在图像特征提取和检索中精度、实时性以及对光照条件变化描述较差的问题,提出了SIFT和局部二值模式(LBP)相结合的图像特征提取算法。采用旋转不变LBP算法统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值,以区域中每个像素点为中心构建图像的SIFT-LBP特征描述子。采用了基于遗传算法的特征选择方法,剔除了特征点的冗余信息,降低了特征向量维数。实验结果表明,SIFT-LBP算法具有良好的特征匹配效果,对光照条件的变化具有较强的鲁棒性,进一步提高了检索准确率和检索速度。

融合型神经网络的人员再检测

随着对跨境跟踪技术的关注不断增加,人员再检测技术也是一大研究热点。我们从外界影响的因素出发,提出了一种手动特征与神经网络特征提取结合的融合特征算法应用于人员再检测技术。首先利用改进型的生成式对抗网络(GAN)扩大数据集;然后利用颜色模型HSV和尺度不变局部三元模式结合神经网络特征融合的方案提取特征;再者,在分类模型中,利用交叉熵损失来进行计算相似度量。实验结果表明,与传统算法相比,性能有一定的改进。

基于LBP的图像区域复制篡改检测

研究尺度不变特征变换(SIFT)和旋转不变局部二值模式(LBP)相结合的特征匹配方法,提出一种基于LBP的图像区域复制粘贴篡改检测算法。利用SIFT关键点检测方法检测图像中的所有关键点,计算以关键点为中心的周围图像区域的LBP特征,并将其作为关键点的特征描述,采用特征向量的欧式距离进行关键点匹配。实验结果表明,该算法在抗旋转、亮度变化处理和效率方面均优于基于主成分分析的检测算法。

基于LBP的鲁棒特征提取与匹配方法研究

针对现有的Harris角点提取算法在图像匹配法中,存在精度低、抗干扰和抗光照变化能力弱的缺陷,提出一种基于局部二进制模式(Local Binary Patterns,LBP)和图变换匹配算法(Graph Transformation Matching,GTM)相结合的鲁棒精确匹配算法。采用改进的Harris边缘特征检测提取特征点并选取图像块作为特征区域;采用改进的中心对称局部二进制模式(Center Symmetric Local Binary Patterns,CSLBP)对高维特征进行降维生成24维特征描述子,并依据欧氏距离实现图像粗匹配;采用图变化匹配法剔除误差匹配来改善匹配的精度和鲁棒性。测试结果表明,所建议算法是有效的,它不仅具有良好的抗尺度和旋转变化特性,而且具有较强的噪声抑制能力和抗光照变化能力。提出的鲁棒性算法不仅充分考虑到传统特征匹配算法优缺点,使检测与匹配结果更加准确,而且较Harris算法以及LBP算法稳定性和准确度有了明显的提高。

结合LTP纹理特征和改进Mean-Shift的视频目标跟踪方法

视频序列中的目标跟踪效果受到尺度、光照和复杂背景等因素的影响,为此,提出一种结合局部三元模式(LTP)纹理特征和改进型Mean-Shift的目标跟踪方法。首先,为了提高传统Mean-Shift算法对尺度变化的鲁棒性,采用一种尺度和方向自适应的改进型Mean-Shift跟踪器,在均值漂移跟踪框架下估计目标的尺度和方向。另外,通过LTP来提取目标的纹理特征,将其与颜色特征相结合来表示目标模型。实验结果表明:该方法比只采用颜色特征的Mean-Shift算法更加有效,能处理快速移动物体在目标尺度和方向上的变化。