基于优化采样模式的紧凑而快速的二进制描述子

进一步挖掘图像补丁特征信息,提出了一种鲁棒性更高的二进制描述子.针对传统的二进制描述子对旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和分解图像补丁对其改进.首先,通过对最新提出的采样模式特点的分析、测试,发现采样点密度和平滑重叠度对产生的描述子独特性有重要影响;据此,调整这两个影响因子,设计出一种优化的采样模式.其次,利用像素点灰度值排序方法分解图像补丁,产生多个对应不同灰度段的亚补丁.最后,将优化的采样模式映射到亚补丁上,随机提取样本点进行灰度值比较测试.所得到的二进制描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息.通过对比实验看到本文的二进制描述子对特征识别匹配效果最好.本文的特征描述方法可应用于实时性要求高、内存紧凑的高质量目标识别.

一种高效的二进制点云局部特征描述算法

针对现有点云局部特征描述算法时效性和紧凑型不能满足实际应用需求的问题,提出一种二进制多层切片距离特征描述算法(B-MSD)。首先在特征点处建立了一种稳健的局部参考坐标系;然后设计了两种多层切片和子区域划分方式并计算平均距离,以提取点云局部三维形状特征;最后通过量化的方法将各子区域计算的平均距离转化为二进制码串,串联所有码串生成最终的二进制描述子。在多个公开点云数据集上与几个经典描述子进行仿真对比,结果表明,在鉴别力更强的基础上,上述算法的紧凑性、计算效率和匹配速度方面综合表现更好。3D目标检测和点云配准应用实验也验证了上述算法的有效性。

挖掘图像补丁特征信息增强二进制描述子独特性

在分析BRISK和FREAK采样模式特点的基础上,提出一种兼具二者优点的采样模式.由于采样点距中心密集程度和采样点平滑范围重叠程度都会影响采样模式的性能,因此将采样模式建立在二者适度值上,以达到采样点对二进制位方差最高、点对之间关联度最低的目的;基于所提采样模式生成的描述子,结合SURF检测子构成了一个完整的特征检测描述方法.对比实验结果证明,文中生成的二进制描述子对特征识别匹配效果最好,提出的特征检测描述方法可应用于实时性要求高、内存紧凑的高质量目标识别.

基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。

基于等距环局部二值模式的特征描述子

现有的描述子一般与主方向相关,当图像经过变换时,得到的描述子主方向会有误差,从而导致图像匹配效果不理想。针对上述问题,基于等距环局部二值模式,提出一种二进制描述子构造方法。在构造描述子与描述子匹配过程中分别使用了等距环局部二值采样模式与分组匹配策略,使得构造的描述子具有旋转不变性,解决主方向问题和加速匹配过程。实验结果表明,与BRIEF,BRISK等二进制描述子相比,该方法具有更快的速度及更高的准确率。

局部方向三值模式纹理描述子

为解决LDP算子运算速度较慢、对于有些模式无法精确区分等问题,提出局部方向三值模式纹理描述子。采用自适应阈值,对像素8个方向边缘响应进行三值编码,提取并统计正边缘模式和负边缘模式,联合起来构成局部方向三值模式,作为最终特征来描述图像。在Brodatz数据集和CUReT数据集上将该模式与传统的LBP、LDP、FLDP、LTP算法进行对比实验,对比结果表明,与LDP算法相比,该模式在上述两个数据集上的分类准确率分别提高了5.42%和8.43%,运算速度提高了8倍以上;与LBP、FLDP、FTP相比,该模式也有明显优势。

基于梯度方向二进制模式的空间金字塔模型方法

空间金字塔模型由于其优势在当前图像分类中得到了广泛应用。然而,其码本生成和特征量化这两个环节具有较高的计算复杂度。为了解决这个问题,提出了一种新的局部特征表述———梯度方向二进制模式,首先对图像稠密采样得到多个子图像块,再将每个子图像块均匀划分为2×2个网格,计算每个网格的梯度直方图,然后对所有网格的梯度主方向进行二进制编码并连接为二进制串值,该二进制串值转换的十进制数即为子图像块的特征表述,最后将该特征表述嵌入到SPM模型中。在标准分类数据库上的实验结果证明了本方法在算法耗时和分类精度上均优于基于SIFT的SPM方法。

一种对亮度变化鲁棒的局部特征描述子及其快速生成算法

在不同的时间、从不同的视角、以不同的摄像机参数所拍摄的同一场景的图像间存在非线性亮度变化,这种非线性亮度变化给图像间的鲁棒匹配带来困难.为了解决这个问题,提出一种用于构建鲁棒局部特征描述子的新方法.该算法引入灰度相对次序的思想,在得到特征点归一化支撑区域以后,将区域内各点分割为多个组,并以区域中心和各点连线为Y轴,分别建立直角坐标系,计算中心对称局部二值模式,得到二维的统计直方图;据此,经归一化处理后可形成所需的兴趣点描述子.实验表明,本文算法构造的描述子在复杂亮度变化下的区分度更好,测试性能优于传统描述算子.同时,算法本身具有旋转不变性,并以插值计算替代了传统描述子构造过程中的梯度统计,具有描述子构造简单和快速的特点.

高鲁棒性和独特性的图像局部不变特征描述

为了提高尺度不变特征变换(scale invariant feature transform,SIFT)算法的不变性,并降低图像中存在多个相似区域时的误匹配率,提出了一种将基于局部二进制模式的中心对称的改进局部三进制模式(center-symmetric improved local ternary patterns,CS-ILTP)描述子和全局灰度值分布(global distribution of intensity,GDI)描述子相融合的局部不变特征描述算法。通过迭代变换,使得由SIFT算法得到的初始特征点收敛到仿射不变点并得到仿射不变区域;分别提取CS-ILTP和GDI描述符,从而得到图像的局部不变特征描述。实验结果表明,所提算法具有高鲁棒性和独特性,相似区域和人工路标匹配中的正确匹配特征个数分别比SIFT算法增加了100%和86%以上。

基于LBP和Gabor方向的韦伯局部描述子的指静脉识别

韦伯局部描述子(WLD)的差分激励存在正负抵消现象且对噪声敏感,难以准确地提取指静脉的纹理特征,所采用的梯度方向算子仅包括水平和垂直方向,无法有效地反映指静脉的方向特征.根据指静脉图像具有丰富纹理信息和方向特性的特点,对WLD中的差分激励和梯度方向分别进行改进.首先,在计算局部区域的灰度差时,采用均匀模式LBP替代原始差分激励,有效地提取了指静脉图像的局部纹理特征,同时减少噪声的干扰;然后,采用Gabor方向代替原始梯度方向,有效地刻画指静脉曲线的方向特征.在FV-TJ和FV-USM指静脉库上的实验结果表明:与其他局部描述子算法相比,所提出方法有更高的识别率和更低的错误率.

子空间描述的关节式目标跟踪

针对关节式目标变化对子空间描述造成的影响,本文提出了一种基于增量学习的关节式目标跟踪算法.该算法通过引入图像分割方法与快速傅里叶变换可有效消除背景像素对目标描述造成的影响以及目标区域前景目标位置对不准造成的误差,同时应用局部二值模式增加目标描述中像素点间的几何位置信息,应用基于增量学习的方法实现目标特征的在线更新,最终为跟踪算法提供较为精确的目标描述.实验结果表明,本文提出的关节式目标跟踪算法具有较好的目标跟踪效果.

基于局部小波模式和一致性点漂移的多模医学图像配准

为提高多模医学图像配准的速度、精度和鲁棒性,本文提出一种基于局部小波模式(LWP)和一致性点漂移(CPD)的多模医学图像配准算法。首先提取图像稳定特征点,然后通过局部小波分解编码8邻域信息;接着变换中心像素值,使中心点像素构成的向量取值与小波分解向量取值范围相一致,通过比较中心像素变换向量与小波分解向量计算LWP描述子;最后把结合高斯混合模型后验概率和负对数似然函数的函数作为目标函数,利用一致性点漂移算法进行模型参数估计和空间变换。实验结果表明在图像存在噪声、灰度不均匀和初始误配的情况下,LWP-CPD算法的鲁棒性、配准精度和计算复杂度都达到很好的效果。

基于快速拒绝模式的局部匹配

针对文物碎片整体形状差异大,自身特点复杂,本文提出一种基于快速拒绝模式的局部匹配算法。利用多层描述子将给定文物碎片模型的特征表示出来,通过快速拒绝模式匹配算法与部位模板进行匹配,最终得到两者相匹配的区域。实验数据表明该算法具有较好的匹配效果。

基于方向导数纹理描述子的纹理图像聚类

在深入分析CS-LBP、ICS-LBP、FCS-LBP、ECS-LBP的基础上,提出了一种4维的快速纹理描述子。该描述子计算4个方向的方向导数,在维数由CS-LBP、ICS-LBP、FCS-LBP的16维降到了4维的同时,较CS-LBP、ICS-LBP、FCS-LBP、ECS-LBP具有更好的区分能力,对纹理图像的聚类准确度更高,描述子计算时间平均在CS-LBP、ICS-LBP、FCS-LBP、ECS-LBP的以内。

基于局部图像描述的目标跟踪方法

针对视频目标跟踪问题,介绍了一种基于局部图像描述的目标跟踪方法.以高斯差值函数图像金字塔中的空间极值点作为图像关键点,在关键点邻接域中,以基于局部二进制模式(LBP)的纹理统计和色彩分布作为特征量,应用特征量在视频序列中的匹配实现目标跟踪.当视频序列中存在目标全局运动、有限度的尺度变化、旋转等复杂因素时,采用纹理和色彩分布得到的局部图像描述具备一定的稳定性,运用权值调整算法寻找稳定特征量集合,能够进一步自适应跟踪目标的外观变化.测试了不同条件下的视频序列,该方法具备良好的跟踪效果和一定的稳定性.

采用旋转匹配的二进制局部描述子

针对二进制描述子主方向计算误差影响图像匹配正确性的问题,提出了一种旋转不变的二进制描述子构造和匹配方法。在以特征点为中心的同心圆周上等间隔选取采样点,按照旋转不变的模式选取采样点对进行灰度值比较,将比较结果连接成二进制串,作为区域的描述子。匹配时比较描述子在所有旋转模式中的汉明距离,取最小值作为描述子的距离,实现不依赖于主方向的旋转不变性。配合多尺度特征检测方法,将采样模式进行缩放,并对图像进行亚像素插值,实现尺度不变性。描述子匹配的实验结果表明,本文方法在旋转、尺度和光照变换下的匹配效果比当前依赖主方向的二进制描述子方法具有更高的鲁棒性。

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LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.

像素聚类改进二进制描述子鲁棒性

目的通过挖掘图像局部区域特征信息,提出了一种鲁棒性更高的二进制描述子。针对BRIEF(binary robust independent elementary features)关于旋转和视角变化鲁棒性差的问题,通过图像补丁分层处理、增加关键点图像补丁个数来捕获更多的局部特征信息,对BRIEF描述子改进。方法首先,根据灰度序列对补丁内所有像素点分类,像素的一个聚类形成了一个亚补丁,然后在每个亚补丁上进行类似BRIEF的随机测试。其次,由于原图像补丁大小、尺度大小影响补丁的像素点成分,从而影响像素聚类的效果,所以在原图像关键点周围分割出多个不同大小的图像补丁,或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁,然后再对图像补丁进行分层、测试。所构建的描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息和像素群聚信息,提高了描述子的鲁棒性。结果通过性能对比实验,发现所提的描述子的性能提高了,而且好于对比的浮点描述子。结论挖掘图像补丁的特征信息能提高二进制描述子的鲁棒性。

一种新的LTP纹理谱描述符探析

传统的LTP纹理谱描述符忽略了区域中心像素的影响,且由于需要手动输入参数,自适应性不强。文章充分考虑了中心像素在灰度比较时的作用,提出了新的LTP纹理谱描述符。实验证明提出的方法在图像聚类方面可达到较好的效果。