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%。

多尺度局部结构主导二值模式学习图像表示

通过零均值化的微观结构模式二值化(ZMPB)处理,该文提出一种立足于局部图像多尺度结构二值模式提取的图像表示方法。该方法能够表达图像中可能出现的各种具有视觉意义的重要模式结构,同时通过主导二值模式学习模型,可以获得适应于图像数据集的主导特征模式子集,在特征鲁棒性、鉴别力和表达能力上达到优异性能,同时可以有效降低特征编码的维度,提高算法的执行速度。实验结果表明该算法性能优异,具有很强的鉴别能力和鲁棒性,优于传统LBP和GIMMRP方法,和很多最新算法结果相比,也具有竞争优势。

基于紧凑局部描述符聚类矢量签名的Web规模图像检索研究

当前图像检索技术普遍是从图像中提取一组局部视觉描述符来完成图像搜索,导致时耗严重以及所需的索引存储容量巨大,难以用于Web规模(1-millions)图像检索。对此,提出了基于紧凑局部描述符聚类矢量签名的Web规模图像检索机制。引入k-means聚类,计算每个聚类对应的描述符的均值μc与协方差矩阵Tc,得到每个聚类中的图像签名Tic;嵌入主成分分析,减小聚类协方差与图像描述符协方差之间的误差,优化图像签名Tic,增强表达能力;再基于Gram矩阵的低秩逼近,耦合子空间线性投影,设计紧凑局部张量聚类矢量签名机制,减小签名容量和增加识别能力;最后,对该紧凑矢量签名进行二值化处理,获取超小型签名,完成图像检索,减少索引存储容量。研究了不同参数对本文二值化紧凑矢量签名的影响。并在1-million图像数据中测试了本文图像检索机制性能。仿真结果表明:与当前检索技术相比,本文机制拥有更高的检索精度和效率;且索引存储容量更小,具备更好的可扩展性。

基于数据库和客观方法对夜间雾化增强图像的感知质量评估

为提高夜间雾化图像的质量,对夜间雾化增强图像的主客观质量评估进行探索.首先构建夜间雾化增强图像质量评估数据库并进行主观分析,然后提出一种基于夜间成像特性的无参考图像质量评估方法.新方法在辉光图像上提取光散射和颜色特征,再在增强图像上提取雾密度和纹理特征.结果表明,新方法性能优于现有其他先进的无参考图像质量评估方法.

基于支撑矢量机的遥感图像目标识别

基于支撑矢量机对二值遥感图像飞机目标进行了识别 ,与欧氏距离判别法和神经网络方法的识别结果比较 ,表明对以矢量表示的高维二值为特征的图像识别问题 ,支撑矢量机方法具有良好的推广能力。而且 ,不同图像的二值化取值范围对识别结果有着直接的影响。

基于图像模式识别的数字图书资料修复及应用

图像模式识别是一种新的数字图书资料的自动修复技术,它以传统的图书资料修复方法为基础,主要运用计算机完成。文章阐述了图形模式识别技术在数字图书资料修复中的应用情况,即通过对图书资料进行扫描、二值化和图像的重建等方法对不清晰的图形进行自动修复,最终实现数字图书资料的数字化处理。

采用精确抠图的单幅自然图像背景虚化合成方法

针对小光圈镜头下的单幅自然图像背景虚化问题,提出一种基于精确抠图的单幅自然图像背景虚化合成方法.首先,利用GrabCut算法对单幅自然图像的前景对象进行初始抠图;其次,采用基于局部二值模式算子的颜色恒常性算法提取图像纹理,并对初始抠图实现精确割图;然后,通过双边滤波虚化背景部分;最后,将精确分割后的前景部分与虚化后的背景部分合成.仿真结果表明:文中算法可以获得高质量的分割和视觉自然的背景虚化效果.

基于递归图纹理特征分析的可视化故障诊断方法

针对内燃机振动信号特征提取困难的问题,将内燃机故障诊断问题转化为图像的识别问题,提出一种基于递归图(RP)和改进局部二值模式(ILBP)的内燃机可视化故障诊断方法。将递归图分析方法引入内燃机缸盖振动信号的处理中,用以表征内燃机不同故障状态信号;然后对局部二值模式(LBP)的编码方式进行了改进,利用改进后的ILBP算子提取内燃机递归图的纹理特征,将ILBP编码图谱的灰度直方序列作为特征参数,利用支持向量机(SVM)对故障进行模式识别。在4种不同气门状态的内燃机故障诊断实验中,故障识别精度高。该方法利用递归图代替振动谱图像,突破了传统时频分析方法的思路,递归图的纹理特征具有较强的故障特征描述能力,结合递归图与ILBP的方法可用于准确诊断内燃机气门故障。

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。

结合H.264压缩域和像素域运动目标分割

H.264压缩域运动目标分割算法分割速度较快,像素域分割较为准确。提出一种结合压缩域运动信息和像素域纹理信息的分割方法。在压缩域得到运动矢量场,经过滤波、归一化和运动矢量场累加,得到相对可靠的运动区域,然后采用局部二值模式描述纹理信息,最后再进行精确分割。实验结果表明,在保证分割准确度的情况下,大大提高了分割速度。

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。

基于快速l_1算法和LBP算法的木材缺陷识别

快速l1最小化算法是一种关于求解稀疏矩阵的算法,相对于传统的主成分分析l2范数,l1范数只需要计算图像主要特征的稀疏矩阵,对噪声和异常项具有更好的鲁棒性,且在木材识别领域使用较少。局部二元模式(Local binary pattern,LBP)是一种描述灰度范围纹理的算法,对于图像特征的描述有显著的效果。本文利用LBP提取不同木材截面RGB图像三层纹理的特征,用l1算法对特征矩阵进行快速、准确的匹配,检测出是否有缺陷,同时通过图像分块定位缺陷的位置坐标。实验表明快速l1算法结合LBP算子对木材缺陷定位正确率达到0.931。

基于纹理特征的棒材自适应计数方法

针对棒材生产车间环境的复杂性和现有棒材计数方法的不精确性,文中提出了一种准确,高效的棒材自适应计数方法。该方法采用局部二元模式描述棒材的截面纹理,有效地将棒材截面图像与复杂的背景进行分离,使用阈值渐增的二值化方法获取图像中的局部灰度极大值,将此最大值点作为棒材的中心点,最后对棒材的半径使用聚类方法对误判点进行过滤,进而统计计数。实验结果表明,该方法极大地提高了棒材计数的效率,并将识别准确率提高到了98%。

基于LBP纹理特征和Canny算子的视频分割方法研究

针对目标区域和背景区域交界处颜色相似度较高的图像分割问题,提出基于LBP(Local Binary Patterns)纹理特征和Canny算子的视频分割算法。构造能量函数的数据项颜色模型和光滑项对比度模型;根据当前block直方图与LBP背景模型直方图的相似度调整全局颜色模型和局部颜色模型的比例来改进颜色分量;通过Canny边缘检测方法对改进后颜色模型生成的图像进行检测,将得到的边缘检测结果应用到对比度分量模型中来增加前景和背景对比度;使用Graph Cut算法对能量函数进行求解,得到最终分割结果。实验结果表明,当背景光照发生变化且前景和背景交界处颜色相似时,该算法具有明显优势。

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。