一种基于局部二进制模式的带钢表面缺陷初级检测方法

带钢表面缺陷检测是带钢质量控制的重要环节之一,但现有带钢表面缺陷自动检测方法在准确性和实时性上还难以满足工业现场需要。为了解决此问题,提出了一种基于局部二进制模式(LBP)的带钢表面缺陷的初级检测方法。该方法首先利用快速局部二进制模式算法计算图像中各像素点的LBP值;然后通过统计LBP直方图来获取图像中主要边缘点的信息,再将其与阈值进行比较,以确定带钢图像中表面缺陷的存在,并记录缺陷的位置。实验结果表明,该方法不仅在带钢表面缺陷的初级检测方面具有良好的准确性和实时性,而且其提取出的信息还具有结构的和统计的双重特性,可为后续缺陷分类提供重要依据。

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.

基于改进多块局部二进制模式的人眼定位算法

人眼定位是人脸识别系统中必须解决的问题,为了提高人眼定位的精确度和速度,提出一种基于改进多块局部二进制模式的眼睛中心定位算法。该算法构建了所有可能的弱分类器作为多分支的树枝,然后通过三个强分类器和迭代计算确认眼睛中心点。基于标准Bio ID和FERET图像数据库,将提出算法与其他两种方法进行比较,实验结果显示提出方法的精确度更高。失真图像的测试结果表明,对噪声失真而言,提出的算法足够稳健。

局部二进制模式与小波特征融合的掌纹识别

针对利用单一方法进行掌纹图像识别所得的识别率难以提高这一情况,提出一种利用掌纹图像经高斯高通滤波后的局部二进制模式特征和三级小波分解的细节图像的能量特征的融合特征进行掌纹识别的方法。在提取图像的局部二进制模式特征的时候,通过高斯高通滤波增强图像的对比度,从而提取出更有效的局部二进制模式特征,该特征对光照的变化具有一定的鲁棒性;小波变换的细节图像能量数据反映不同频率成分的局部细节特征。实验结果表明所提出的掌纹识别方法的有效性。

基于主梯度编码局部二进制模式的花粉图像识别

受显微传感器和不规则收集方法的影响,花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化,识别精度普遍不高,为此提出了基于主梯度编码的局部二进制模式(DGLBP)描述子,并应用于花粉图像的分类识别。首先,计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向,以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,参照各局部区域的纹理分布情况为二进制编码自适应分配权重,并提取花粉图像在3个方向上的纹理特征直方图;最后,对不同尺度下的纹理特征直方图进行融合,采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%,与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点,与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明,DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性,且具有较优的识别效果。

采用完整局部二进制模式的伪装语音检测

针对基于局部二进制模式(LBP)的伪装语音检测算法在检测语音转换的欺骗攻击时效果较差的情况,提出了一种基于完整局部二进制模式(CLBP)的伪装语音检测方法。利用变量Q变换(VQT)生成语音信号的语谱图并应用完整局部二进制模式提取语谱图中的纹理特征向量,再用该纹理特征向量训练真/伪语音分类器,实现伪装语音检测。实验结果表明,所提方法在检测语音转换的欺骗攻击时效果更好,并且当变量Q变换的附加参数γ值为50时,由完整局部二进制模式特征向量训练的基于径向基核函数的支持向量机具有最佳的伪装语音检测性能。

基于局部二进制模式的交叉纤维分离算法

针对光学显微镜采集的纤维图像存在很多纤维交叉现象的问题,提出一种基于局部二进制模式(local binary pattern,LBP)特征的交叉纤维分离算法。通过分割灰度图像提取得到目标纤维区域,经形态学处理,计算交叉点处各个纤维灰度像素的圆形LBP特征之间汉明距离,依据同一根纤维的汉明距离差异较小的原理完成纤维的配对,进而实现交叉纤维的有效分离。为验证算法的准确性,选用不同批次的羊毛纤维,在分离交叉纤维后,根据距离变换公式计算纤维的直径及其变异系数,并与标准测试值进行对比。试验结果表明,该算法具有较高的准确性。

将局部二进制模式应用于动态纹理识别的新方法

动态纹理的处理、描述与识别是纹理分析的热门领域。动态纹理是对普通纹理在时间域方面的扩展,包括动态特征和静态特征。基于LBP算法的扩展提出的VLBP算法较好的描述了动态纹理特征,但是计算量过大,模板过多。本文提出了一种由VLBP算法改进的基于局部二进制运动模式的特征提取方法用以动态纹理的描述和识别,它包括提取动态特征和提取静态特征两部分。将LBP算子做为块匹配准则提取局部二进制运动模式柱状图做为动态特征的描述,提取LBP柱状图做为静态特征的描述,并将二者连接得出描述动态纹理特征的联合的局部二进制运动模式柱状图。通过对DynTex集实验的结果表明,本文提出的方法在性能和识别率方面均要优于VLBP。

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。

基于二维多尺度局部Gabor二进制模式特征的表情识别

为了在独立于个体身份的面部表情识别中取得更加理想的效果,提出了一种基于二维多尺度局部Gabor二进制模式(MB-LGBP)特征的识别方法。对于表情识别而言,MB-LGBP已被证明了是一种局部和整体上都具有很强表征能力的描绘子。将MB-LGBP与灰度共现矩阵(GLCM)结合起来得到了可以更好地描述局部纹理空间结构特性的二维MB-LGBP特征。在识别中,分别选择了支持向量机(SVM)和基于卡方距离的K-最近邻(KNN)分类器,并对结果进行了比较。实验结果证明了二维MB-LGBP特征相比于MB-LGBP以及其他一些主要的表情识别特征的优越性。

基于局部Gabor二进制模式的高光谱伪装目标图像分类(英文)

为提高光谱伪装目标图像分类精度,提出了一种基于局部Gabor二进制模式(LGBP)的空间分类方法。LGBP作为一种多尺度算法,被用来提取高光谱图像的纹理特征。然后高光谱图像中的每一个像元可以用一个光谱特征向量及一个纹理特征向量表示。通过这种方法,增大类间距离。最后使用多核支持向量机结合光谱信息和空间纹理信息实现对高光谱伪装目标图像的分类。实验证明了该方法的有效性,分类总体精度和Kappa系数分别达到了95.6%和0.937。所提出的方法对于提高分类精度及鲁棒性具有重要意义。

基于可区分二进制局部模式特征的蛾类昆虫识别

蛾类昆虫多为农业害虫,自动识别蛾类昆虫种类对虫害预测预报意义重大。针对现有昆虫自动识别方法集中在目以上层次昆虫识别难以实现目内昆虫识别,提出一种基于纹理特征的蛾类昆虫识别方法。应用一种改进的局部二进制模式提取昆虫图像特征,对提取得到的特征矩阵按照蛾类昆虫类别抽取本质维数,最后用KNN算法实现蛾类昆虫识别。实验结果表明:可区分CLBP能够对昆虫原始图像直接提取特征并获得优异的识别性能,同时,能够有效降低特征矩阵的维数,从而缩小存储空间,降低相似性比较的计算复杂度。该研究拓宽了计算机视觉技术应用范围,有助于实现农业病虫害的尽早预测。

基于局部二进制模式方差的分数阶微分医学图像增强算法

研究了分数阶微分及其掩模算子的特性,提出了一种新的基于局部二进制模式方差(LBPV)的分数阶微分的图像增强算法,运用LBPV理论对图像进行了特征提取,构建了更加有效的分数阶掩模模板。实验结果表明,与现有的分数阶微分图像增强算法相比,所提算法在增强图像的纹理和细节信息上具有良好的效果。

基于局部二进制和支持向量机的手写体数字识别

针对手写体数字识别中的特征提取问题,在圆形邻域局部二进制模式(LBP)的基础上,将数字的图片分割为四个子区域,分别提取各区域的局部二进制模式(LBP)直方图,然后用LBP直方图训练支持向量机(SVM)模型,再用测试样本对该模型的分类效果进行测试。最后,在实验中还引入当前主流的主成分分析法(PCA)对数据集降维,并以此对比分四区域提取LBP直方图的识别效果。通过对比发现,对手写体数字图片分四区域计算LBP直方图并将其用作识别特征可使数字识别准确率达到95. 31%,这一结果接近于使用数据集前90%特征贡献率的主成分分量的识别效果(后者的识别率为96. 6%),比直接对整张图片提取的LBP直方图分类识别率高19. 51个百分点。

基于局部二进制描述SIFT特征的锆石图像配准方法

针对尺度不变特征变换(SIFT)算法计算复杂度高、匹配速度慢的问题,提出一种新的局部二进制模式(LBP)特征描述方法,描述SIFT算法检测出的锆石图像特征点,然后用主成分分析法(PCA)将生成的描述向量降维,最后利用欧式距离法完成配准。新LBP描述方法计算简单,具有旋转不变性和光照不变性,描述向量经过PCA降维以后匹配过程简单快速。实验结果表明:配准效果可以满足仪器自动寻样的需求,并且能够显著提升锆石图像的配准速度、提高仪器运行效率。

基于双向椭圆局部二值模式的环境声音分类

针对目前机器学习算法在环境声音分类准确率不高,训练速度慢的问题,提出了基于双向椭圆局部二值模式的环境声音分类方法。设计了双向椭圆局部二进制模式的音频信号特征提取方法,采用3×5信号邻域增加时长影响,并使用邻域左右两列整体平均值分别代替椭圆左右顶点像素,减少噪音干扰,提高对噪音的鲁棒性,使用整个邻域的平均值代替中心像素,并采用双向局部特征均衡顺序权重,在上述特征基础上增加VAR算子,反应局部特征差异强度,之后将这些特征与梅尔频率倒谱系数(MFCC)、伽玛频率倒谱系数(GFCC)和色度特征(Chromagram)融合。采用经典机器学习算法,如支持向量机(SVM)、随机森林(RF)和k近邻(kNN),结合融合特征,在ESC-10和ESC-50数据集上进行评估,两种数据集的分类准确度分别达到了90.9%和66.7%。

基于差分量化局部二值模式的人脸反欺诈算法研究

随着人脸识别技术已经融入到人们日常生活中,人脸欺诈检测作为人脸识别前的一个关键步骤越来越受到重视.针对打印攻击和视频攻击,提出了一种通过量化局部像素之间的差值来细化传统局部二值模式(local binary pattern, LBP)特征的差分量化局部二值模式(difference quantization local binary pattern, DQ_LBP)算法.DQ_LBP能够在不增加LBP维度的基础上提取像素之间的差值信息,以便更精确地描述图像的局部纹理特征.此外,使用空间金字塔算法统计了不同彩色空间中的DQ_LBP特征并将其融合成统一的特征向量,从而更加充分地描述了人脸的局部彩色纹理信息及其空间结构信息,进一步提高了算法的检测性能.实验结果表明:该算法在CASIA FASD,Replay-Attack,Replay-Mobile三个具有挑战性的人脸反欺诈数据库中都取得了较为优异的结果,而且在实时性设备的应用上具有很大的潜能.

基于滤波器组与中心对称局部二值模式的内窥镜病灶图像检测方法

为了解决在大量内窥镜图像中准确检测多种病灶这一难题,提出一种滤波器组与中心对称局部二值模式的多重纹理检测方法。首先将内窥镜图像经过LM(Leung-Malik)滤波器组,计算其响应的联合概率分布作为图像的纹理特征;采用CS-LBP对该图像进行编码,从另一角度提取其纹理特征。将训练样本的两种纹理特征结合进行聚类,形成一组纹理基元构建纹理基元字典,通过计算像素与纹理基元的欧氏距离获得基于纹理基元的图像直方图。最后,用K-邻近算法对纹理图像进行分类。实验结果表明,该方法特异度和灵敏度分别达到88%和92%,优于已有结果,可代替应用于内窥镜图像的临床初步检测。

基于局部统计与整体显著性的织物疵点检测算法

为能有效检测织物疵点,结合局部统计特征与整体显著性分析,提出一种新的织物疵点检测算法。将织物图像分为大小相同的图像块,采用局部二进制模式和灰度直方图分别提取图像块局部统计特征。针对每个图像块,随机选取K个其他图像块,分别计算局部二进制模式统计特征对比度和灰度统计特征对比度,完成基于上下文整体显著性分析生成视觉显著图。最后采用基于迭代最优阈值分割算法对显著图进行分割,得到织物疵点检测结果。结果表明,这种算法综合了局部统计特征和整幅图像的上下文信息,可显著突出织物疵点区域,实现对织物疵点的有效检测。

基于保守超混沌系统的虹膜特征提取算法

虹膜特征与其他生物特征相比具有独特优势,因其可以为加密算法生成足够长的密钥。虹膜特征提取是虹膜识别过程中的关键问题。针对密钥安全性和计算效率两大问题,提出了一种新颖的基于保守超混沌系统的虹膜特征提取方法,并结合局部二进制模式(Local Binary Pattern,LBP)和高斯函数差分(Difference of Gaussian,DOG)技术。首先,选择五维保守超混沌系统,验证其保守性和超混沌性质;其次,根据375位虹膜特征码和上述系统,产生特征矩阵,并对该矩阵进行图像增强处理;最后,通过提取DOG极值点和LBP特征,并根据提出的特征融合规则生成128位密钥。实验表明,生成的密钥可以通过美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)随机性测试,且对虹膜特征码极其敏感。