基于Shearlet变换和均匀局部二值模式特征的协作表示人脸识别算法

为了获得人脸图像中更丰富的纹理特征以提高人脸识别率,提出了一种基于Shearlet变换和均匀局部二值模式(ULBP)算子提取特征(Shearlet_ULBP特征)的协作表示方法——Shearlet_ULBP CRC用于人脸识别。首先,人脸图像通过Shearlet变换分解,得到多尺度多方向的幅值域图谱,再经过简单的平均融合,获得融合后的幅值域图谱;然后,通过ULBP算子结合分块的方法获得该Shearlet变换后融合图像的直方图特征;最后,结合协作表示的方法来分类所提取到的特征。该方法可以提取到图像更丰富的边缘以及纹理信息,在ORL、Extended Yale B和AR人脸数据库上进行测试,在图像无遮挡的情况下识别率都达到了99%以上,在有遮挡情况下也都达到了91%以上的识别率。实验结果表明,所提方法不仅对于光照、姿态和表情变化具备较强的鲁棒性,同时能在一定程度上处理人脸图像中存在遮挡的情形。

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。

基于深度视频的人体行为特征表示与识别

深度视频中的人体行为的识别研究主要集中在对深度视频进行特征表示上,为了获得具有判别性的特征表示,首先提出了深度视频中一种基于表面法向信息的局部二值模式(local binary pattern,LBP)算子作为初级特征,然后基于稀疏表示模型训练初级特征字典,获取初级特征的稀疏表示,最后对用自适应的时空金字塔划分的若干个子序列使用时空池化方法进行初级特征与稀疏系数的规格化,得到深度视频的高级特征,最终的特征表示实现了深度视频中的准确的人体行为识别.在公开的动作识别库MSR Action3D和手势识别库MSR Gesture3D上的实验证明了本文提出的特征表示的有效性和优越性.

基于多特征的行人检测算法

针对单特征辨识度较低的问题,提出一种基于多特征的行人检测方法。首先构造二维对数Gabor函数,利用此函数提取样本的相位一致性特征,将样本的相位一致性特征和样本的局部二值模式算子(LBP)特征相结合,得到新的行人检测方法。使用支持向量机(SVM)进行分类,并与基于HOG特征的检测方法进行比较,在INRIA行人数据库上的实验证明,基于多特征的检测方法提高了行人检测精度、降低了误检率,检测率高达99.4824%。

多特征融合和交叉核SVM的车辆检测方法

为了能够提高车辆检测的准确率和效率,利用不同分辨率下图像中的信息,文章提出一种多分辨率下的方向梯度直方图特征(multi-resolution histograms of oriented gradients)和局部二值模式算子(local binary pattern)相融合的车辆检测算法。由于融合后的特征维数明显高于单一特征,使得检测的实时性较差,通过主元分析(principal component analysis)来实现对融合后特征降维,并采用直方图交叉核支持向量机(HIK-SVM)对特征进行分类,完成车辆的检测。实验结果表明,该检测方法有较高的车辆检测率,且实时性较好。

基于偏度和结构特征的无参考虚拟视点图像质量评价

针对虚拟视点图像存在与普通图像不同失真的问题,提出了一种基于偏度和结构特征的无参考虚拟视点图像质量评价方法。首先,将输入图像分为H、S、V三个通道,每个通道都均分为九个小块,对每个小块提取偏度特征;然后,利用局部二值模式算子对结构特征映射进行编码,计算质量感知分数;最后,将偏度特征和结构特征输入支持向量机进行训练,得到无参考的虚拟视点图像回归与视觉质量预测模型来预测图像质量。在IRCCyN/IVC和MCL-3D两个公共虚拟视点图像数据库上对提出方法进行了实验。实验结果表明,提出方法的皮尔逊线性相关系数(PLCC)分别为0.853 8和0.953 4,斯皮尔曼秩相关系数(SROCC)分别为0.796 6和0.915 9。提出方法的PLCC和SROCC均高于自回归加阈值(APT)等10个虚拟视点图像质量评价方法和BRISQUE等6个通用的无参考质量评价方法。该方法采用的偏度和结构特征能很好地评价虚拟视点图像的视觉质量,评价结果与主观感知有较好的一致性。

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。

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern,RULBP)与灰度共生矩阵(gray-level co-occurrence matrix,GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理“微宏观”特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。

基于改进代价计算和路径优化策略的匹配算法

为提升半全局匹配(SGM)算法效率,提出一种基于改进匹配代价计算和路径优化策略的立体匹配算法。代价计算阶段,通过对角线取点方式对局部二值模式(LBP)算子进行优化,降低时间复杂度和数据规模;代价聚合阶段,根据聚合逻辑选择5个方向进行扫描线优化,结合灰度相似性约束和距离约束条件,对聚合路径进行自适应权重赋值;再通过赢者通吃(WTA)策略计算初始视差值,通过左右一致性检测和二次多项式插值算法对视差图作进一步优化。最后算法在Middlebury 2.0和3.0数据平台上进行匹配效率验证,实验结果表明,所提算法相比SGM算法在不损失匹配准确度的情况下,代价计算阶段用时减少63.1%,代价聚合阶段用时减少39.3%,算法整体效率提升54.2%,达到效率提升的目的。

分块CS-LBP和加权PCA的低分辨率人脸识别

针对局部二值模式(LBP)特征在低分辨率的人脸图像上识别率较低的问题,提出了一种基于分块中心对称局部二值模式(CS-LBP,center symmetric local binary pattern)和加权主成分分析(PCA)算法的低分辨率人脸识别算法。首先利用分块CS-LBP算子提取低分辨率人脸图像的特征;然后利用加权PCA算子对特征进行降维,从而得到更强的分类特征;最后利用最近邻分类器选出人脸最优分类类别并计算识别率。在ORL人脸库上的实验表明,在人脸图像分辨率下降到(12×10)时,本文算法的识别率仍能达到85.00%,基本满足了实际运用中对识别率的要求,并且降低了运算时间。