基于多块局部二值模式特征和人眼定位的人脸检测

人脸检测是人脸识别和重构问题中最基本的任务,同样也是人脸识别问题中的一个关键环节,其结果直接关乎到人脸识别最终的效果。所以,构建一种稳健而优秀的检测算法是人脸检测的目的。本文提出了一种基于多块局部二值模式特征的adaboost算法和模板匹配的人眼定位方法,从而提高人脸检测的正确率和稳定率,减少了误差。通过MIT CBCL人脸数据库、生活、网络等渠道照片的实验验证,该方法提高了检测效率,降低误检率,兼具了实时性和鲁棒性。

基于多尺度局部二值模式的人脸识别

提出了一种基于多尺度局部二值模式的人脸识别方法。局部二值模式已经被证明是人脸表示的一种有效算子,不过由于其太小以至于鲁棒性不高。在多尺度局部二值模式中,计算是基于块子区域的平均值,而不是基于单个像素值进行的。人脸图像首先被分成小的子区域,具有不同权值的BLBP算子抽取每一子区域的直方图,然后把它们连接起来,组成一个空域增强的特征直方图。在χ2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成分类识别。实验表明,该方法优于其它的基于LBP的人脸识别算法。

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。

基于多尺度细胞局部二值模式的人体检测

细胞局部二值模式(cell structured Local Binary Pattern)不能将人体图像的局部信息与全局信息相结合。针对这一不足,在细胞局部二值模式特征的基础上,提出多尺度细胞局部二值模式(Multi-scale cell structured Local Binary Pattern,MLBP)特征描述子,联合局部与全局信息,增加检测特征的信息量;另外,在MLBP的基础上进一步提出一个控制因子调节的新算子—可调多尺度细胞局部二值模式(Adjustable Multi-scale cell structured Local Binary Pattern,AMLBP),利用控制因子选择MLBP的最佳表征,提高人体检测的准确率。实验结果表明所提出的两个新特征较前人提出的特征更有效。

一种基于LBPV(局部二值模式方差)的指纹分类算法

在指纹数据库规模不断增大的情况下,指纹分类对于提高指纹识别的速度和准确率十分重要.本文提出一种利用指纹纹理信息的方法将指纹分为五大类.该方法利用指纹的中心点将指纹模式区分为四个部分并求取每一部分的局部二值模式方差,然后利用K近邻分类器进行分类.实验证明该方法具有良好的分类性能.

改进的多尺度局部二值模式的表情识别方法

针对传统的局部二值模式(LBP)对局部特征描述不够充分的特点,提出一种改进的多尺度局部二值模式的人脸面部表情识别方法,在多尺度局部二值模式的基础上,通过引入一个可调参数α于编码中以调节局部纹理的细节提取控制。在每个区域图像中,将每个像素与可调参数α进行比较,计算它的顺时针编码值和逆时针编码值,并分别形成各自灰度直方图。上述方法在保留了局部特征的同时,可以有效降低噪声和光照的影响,增强了特征的鲁棒性。采用支持向量机(SVM)进行分类训练与测试。在三个数据集上进行的实验结果表明,采用带有可调参数的纹理细节控制策略可以得到一个较好的控制阈值,与多尺度局部二值模式以及双向局部二值模式(BLBP)相比较,提高了分类的准确率。

基于局部二值模式的作物叶部病斑检测

根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式(WTCSLBP)的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP(CS-LBP)和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。

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。

改进局部二值模式算法与Camshift结合的目标跟踪方法

为解决视频实景监视系统中因场景光照、阴影及远距离小目标跟踪易丢失问题,提出一种改进局部二值模式(local binary patterns,LBP)算法与Camshift结合的目标跟踪方法。利用LBP算子纹理和颜色对阴影不敏感的特性,采用改进的LBP算子与高斯混合模型结合进行背景建模和目标检测,以抑制阴影的干扰;同时将LBP算子的纹理和颜色融入Camshift算法中,结合Kalman滤波进行目标运动状态的预测,最终实现对监视场景中运动目标的可靠、稳定跟踪。采集行人、车辆及航空器等不同类目标进行实验,验证了本文方法不仅能够稳定、精确地跟踪运动目标,同时可适用于场景雾天低能见度条件下的目标跟踪。

非局部二值模式人脸表示与识别方法

人脸表示/特征提取是人脸识别技术中最重要的步骤,局部二值模式(LBP)在人脸识别问题中受到了越来越多的关注和研究.为了克服原始LBP算子存在的固有缺陷,本文在其基础上提出了非局部二值模式NLBP算子.相对于原始LBP算子,新的NLBP算子能够实现多尺度分析能力,突出了人脸的关键特征,并能增强人脸表示与识别的鲁棒性.实验验证了新NLBP算子的有效性.

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%。

基于方向边缘幅值的尺度块LBP人脸识别

针对方向边缘幅值模式(POEM)忽略了块与块之间的像素问题,提出一种基于方向边缘幅值的尺度块LBP人脸识别方法。该方法首先用梯度算子提取出人脸的方向图和幅值图,将具有相同量化方向上的幅值累加,然后利用尺度块LBP算子提取每幅累加幅值图的分块直方图特征,并将所有直方图特征串联起来作为最终的识别特征,最后采用WPCA降维方法提高算法的有效性。实验结果表明,该算法的鲁棒性高于其他对比算法,运用降维处理后能以较低的特征维数达到良好的识别性能。

一种基于二维局部二值模式的纹理图像分类方法

局部二值模式(Local Binary Pattern,LBP)在纹理分类中受到越来越多的关注,传统的基于局部二值模式的图像识别方法在LBP直方图统计时仅仅考虑到LBP模式值本身的数量统计,却忽略了模式值之间的相关性.针对这一问题,本文提出一种二维局部二值模式(Two Dimensional Local Binary Pattern,2DLBP)方法,并用于纹理图像识别.首先以旋转不变均匀LBP特征图为基础,引入滑动窗口和LBP模式对的概念,统计LBP模式图的上下文信息,构造出2DLBP特征;然后改变LBP中的半径参数,构造图像的多分辨率2DLBP特征,并利用支持向量机(SVM)的分类方法进行纹理分类;最后选取Brodatz、CURe T、UIUC、FMD四个公开纹理库分别进行纹理分类测试.理论验证表明该方法具有良好的通用性,可以与LBP的其他变型结合成为新的图像特征构造方法.同时,实验结果表明,本文提出方法具有较好的纹理图像分类能力.

基于单演主方向中心对称局部二值模式的单样本人脸识别

本文针对单样本情况下传统人脸识别方法在姿态、表情和光照等变化下识别效果不佳的问题,提出一种基于单演主方向中心对称局部二值模式的单样本人脸识别模式的单样本人脸识别算法。首先用多尺度的单演滤波器提取人脸图像单演局部幅值和局部方向信息,并求取主方向,生成主方向模式图;然后用CS-LBP算子进行编码,得到特征;最后对不同单演尺度空间中的特征分块统计特征直方图并运用直方图相交进行分类识别。在AR、Extend Yale B人脸数据库的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性。

基于局部二值模式的泡沫镍纹理特征提取方法研究

泡沫镍表面纹理特征是反应泡沫镍性能的关键指标,为了根据纹理特征准确判断泡沫镍表面缺陷,并指导实际生产操作,研究了基于LBP的泡沫镍纹理特征提取方法。首先分析了泡沫镍材料的特点以及缺陷类型,然后研究局部二值模式(LBP)用于图像纹理特征提取的方法,并对经典LBP、旋转不变LBP以及均匀LBP进行了比较。通过实验说明旋转不变的均匀LBP算子对泡沫镍纹理特征的提取更有效,为进一步的缺陷识别奠定基础。

局部二值模式算法及其人脸识别应用

针对目前人脸识别的局部二值模式(Local binary pattern,LBP),本文根据算法介绍了相关的理论基础及其表现出来的应用价值。首先,本文简单说明了局部二值模式在图像处理和人脸识别方向上的应用;其次,分析说明了LBP方法的阈值操作方法和算法的基本原理;最后,简要阐述了基于LBP方法改进算法CS-LBP并说明了有关于算法的优势、不足及未来发展趋势。

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度>全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。

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值对空间统计特征的纹理描述符

针对基于内容图像检索应用背景下局部二值模式(LBP)描述符缺乏空间描述能力及所需特征矢量维数较长的不足,提出一种基于LBP值对空间统计特征构建的改进纹理描述符(ILBP).ILBP描述符首先利用LBP微模式编码方法将原始图像转换为LBP伪灰度图像,然后再提取出多个关于LBP值对空间分布关系统计值构成描述图像特征的特征矢量.在基于内容的图像检索原型测试平台上完成大量实验.实验结果表明,与LBP及其各类变种描述符相比,ILBP描述符在进一步增强LBP描述符描述能力的同时大幅度压缩特征矢量维数,具有更好的查询正确率和查询效率.