一种基于矢量变换的局部二值化模式分类方法

局部二值化模式(LBP)在计算机图像识别中应用非常广泛,它是一种局部区域灰度函数二值化矢量的分类统计特征,其性能高度依赖于对基本矢量的分类。现有的分类方法有两种:一是最原始的分类方法,二是基于跳变次数的分类方法。前者分类类别严重不平衡,后者忽略了高次跳变的信息。基此提出了一种基于任意矢量变换的局部二值化模式分类方法(LVP),该方法既保留了高次跳变模式信息,又实现了分类类别的平衡。为验证该方法适用性,将LVP与原有的LBP分类模式在INRIA行人、遥感图像车辆和遥感图像飞机三种数据库上进行检测准确度比对,发现使用混合块长度和不同重叠比的LVP具有较高的准确率。在行人数据库中,LVP相对256类LBP使用混合块逻辑或运算的方法,识别正确率提升了2.03%,达到98.93%;在车辆数据库中,用该方法使正确率提高了3.70%,达到94.15%;在飞机数据库中,用该方法使正确率提高了4.65%,达到94.10%。

基于纹理特征的火箭目标跟踪方法

为解决姿态剧烈变化的火箭目标跟踪问题,提出了一种新的基于纹理特征的跟踪方法。相对于传统的模板匹配方法,这种方法能对助推器和子级分离的捆绑式运载火箭进行跟踪。在对火箭目标特性进行分析的基础上,采用局部二值化模式(LBP)纹理特征结合Hu不变矩特征描述进行跟踪。跟踪过程中特征匹配采用简单的相似性度量准则,实时模板更新算法为加权更新。测试结果表明,这种方法对发生位移、旋转和尺度变化的火箭目标同样具有比较好的跟踪效果。

使用汉明距离约束的LBP人脸识别算法

提出了一种新的使用汉明距离约束的LBP(局部二值化模式)人脸识别算法。传统的LBP算子使用一致性模式(Uniform Pattern)来描述图像的局部特征,并且把其他非一致性模式都归并到另外的一个类中去,对于受光照和表情变化影响的图像,这种方法的准确性会降低。假定光照、姿态、表情的影响都可以看作是某种"噪声",把信道编码中广泛应用的汉明距离引入到LBP算法中,减少由于这些噪声干扰产生的错误率。在FRGC上的实验结果显示:对于无约束环境下的人脸图片来说,该方法要优于传统的基于LBP的人脸识别方法。

多特征融合的农作物病害图像识别

病害对农作物的产量和质量造成了严重的影响.以往对病害的检测主要依靠人工完成,存在较强的主观性,且滞后严重.为了实现农作物病害的自动以及智能检测,基于计算机视觉,提出多特征融合的病害识别方法.提取农作物图像的局部二值化模式和灰度共生矩阵特征,分别输入支持向量机分类器并做分数级融合,进而分类识别,探讨多特征融合对于病斑信息提取精度的影响.实验结果表明所提多特征融合分类方法丰富了图像信息量,可有效识别农作物病害,在小麦和水稻两种作物6种病害的数据集上测试识别精度为89.3%.同时所提方法可有效识别作物种类,小麦、水稻两种作物的分类精度为99.7%.所提方法为田间智能诊断提供了技术支撑.

基于ABCshift结合LBP纹理特征的目标跟踪算法

ABCshift算法是利用贝叶斯理论降低相似颜色的概率值,提升目标中非相似颜色的概率值,通过目标中概率值高的颜色跟踪目标,有效解决了目标受颜色干扰跟踪不准确的问题。当目标中的颜色和背景颜色特别相近时或者目标在运动过程中光照发生突变时容易出现跟踪丢失。通过引入跟踪目标的局部二元模式算子(LBP),利用颜色和LBP多特征相结合的改进ABCshift跟踪算法能有效解决以上问题,在目标被相似颜色干扰和光照突变的情况下做了实验,验证了改进算法的鲁棒性。

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。