一种新的局部纹理描述模式

提出一种新的图像局部纹理模式描述方法.首先通过比较8-邻域内像素灰度与邻域灰度均值的关系,对8-邻域进行二值化;然后将与邻域中心像素相对的水平、竖直及对角四个方向所得到的二进制序列的值和相应的权值模板对应相乘求和,就得到新的局部纹理模式;同时,文中对新纹理描述模式进行了进一步增强处理,兼顾了局部邻域的高频及低频特征.采用不同图像库进行实验,结果表明,新纹理模式的检索性能明显优于文中提到的其它方法,而且其特征维数还不到其它描述符维数的一半.

一种利用局部直角均值模式的图像检索算法

提出一种基于纹理特征的图像检索方法.在RGB颜色空间提取纹理特征描述子,将彩色图像分离出R、G、B三通道色,使用Haar小波基将三通道颜色图像通过二维离散小波变换,分别提取其低频子带.在三维球形对称模式下,使用局部直角均值模式对邻域像素进行重新编码,通过均匀LBP模式进行降维,取直方图作为特征向量,从而实现图像检索过程.在Corel-10K数据库上进行实验,通过对实验结果进行分析,表明本文方法在图像检索方面有较好的表现.

基于LBP纹理与SegNet网络的灾损建筑物提取

高分辨率遥感影像中震后灾损建筑物提取是震害预估中极具重要的参考指标,研究遥感影像的震后灾损建筑物提取方法具有重要的科学意义。本文以青海玉树震后典型的灾损建筑物数据为研究对象,针对卷积神经网络对于城市建筑物纹理特征信息利用的不足,将局部二值模式(LBP)纹理特征与SegNet深度卷积神经网络相结合,采用有监督学习分类的方式训练卷积神经网络,实现震后灾损建筑物自动分类提取,并与传统面向对象提取方法进行对比。实验结果表明,LBP纹理特征与SegNet卷积神经网络模型相结合,对于震后灾损建筑物的提取能提高预测精度,用户精度与生产者精度分别有2%~7%,2%~9%的提升。

基于多纹理CS-LBP特征的多视角人脸检测算法

提出一种多纹理中心对称局部二值模式(CS-LBP)特征,实现复杂环境下的多视角人脸检测.该特征保留Haar特征的序数关系,借鉴局部二值模式(LBP)的组合方式,从水平、垂直、+45°和-45°这4个纹理方向进行特征提取,以保证人脸检测在方向、光照、旋转等方面的鲁棒性.算法采用级联架构,首先针对人脸图像中的不同视角进行分区,分别进行多纹理特征的提取,然后设计独立的分类器,逐级剔除非人脸窗口,最后采用多层感知器(MLP)综合各视角的检测效果,输出检测结果.在数据集FDDB和CMU PIE上进行验证性实验的结果表明,该方法对复杂环境下的多视角人脸检测有效,与传统的卷积神经网络人脸检测方法相比,该方法具有更高的精度.

基于纹理特征的自适应SLIC超像素分割算法

由于简单线性迭代聚类算法(Simple Linear Iterative Cluster,SLIC)只考虑了颜色和空间信息导致分割不准确且边界附着度不高,且人工预设的超像素块数也会影响后续分割效果,提出了一种基于纹理特征的自适应SLIC超像素分割算法。先使用图像复杂度衡量图像分割的难易程度,根据自适应计算合适的图像分割块数,再基于SLIC算法把局部二值模式(Local Binary Patterns,LBP)纹理特征纳入相似性度量,提高SLIC算法分割精度。实验结果表明,本文方法与SLIC算法相比有更高的评价指标。

基于LDP和LTP模型的人脸识别技术探究

表面的纹理特征常被用于目标的识别。这种特征被广泛的应用于各个领域,比如基于纹理特征的人脸识别系统、监视、身份识别等。局部二值模式纹理特征方法(LBP)是最成功的基于纹理特征的人脸识别方法。由于LBP的巨大成功,出现了许多LBP的变异方法,比如多层LBP、中心对称LBP、主LBP等。本文的主要目的在于研究各种LBP的变异方法在人脸识别中的有用性。同时本文还评估了各种实际问题,比如光照变化、旋转、人脸图像表示的变化等在不同LBP人脸识别方法中的影响。基于实际人脸图像数据库的验证表明局部纹理模式(LTP)和局部衍生模式(LDP)具有更好的识别性能。

基于特征融合与背景加权的红外目标跟踪

针对传统均值漂移算法无法对与背景相近红外目标进行有效跟踪的问题,提出了一种改进均值漂移(Mean Shift)算法。首先,融合了灰度和纹理两方面的信息以增加目标描述的信息量,接着为了减少背景像素对跟踪定位的影响,通过目标区域周围像素的颜色直方图定义背景加权系数,并将该系数引入到目标模型的灰度直方图和纹理直方图的计算中,进而实现目标的准确定位,最后,给出了目标模型更新方法。实验结果表明,文中算法能够抑制背景干扰,对与背景相似的目标进行有效的跟踪。

多车道复杂环境下前方车辆检测算法

为了解决智能车安全辅助驾驶系统中前方车辆目标的检测问题,提出了一种基于改进阴影多特征与深度网络学习的车辆检测算法。基于前方车辆与本车存在安全距离,选取道路图像底部几行作为候选道路背景并对其预处理排除干扰,通过差分得到车底阴影增强图像。利用自适应阈值法确定图像灰度分割阈值并对道路二值化图像进行形态学预处理。然后,利用最小外接矩形框选候选车辆目标,结合车底阴影几何位置特征、对称度特征进行滤波生成车辆假设。最后,基于局部二值模式纹理特征和深度学习方法验证车辆假设。实验结果表明:在复杂干扰的多车道环境中,算法可以有效地检测前方车辆目标。

基于颜色直方图和LBP-TD算子的木板材节疤缺陷区域检测

提出一种基于颜色和纹理信息的木板材表面节疤缺陷区域检测方法。首先,根据木板材表面图像中正常区域和缺陷区域的颜色差异,通过颜色直方图自动获取缺陷区域的种子点;然后,提出一种纹理扩散算法,它从种子点出发,基于图像局部纹理特征搜索缺陷区域的边缘。此外,改进了局部二进制模式算子,提出一种LBP-TD算子以更好地适应纹理扩散。实验结果表明:针对各种常见的木板材节疤缺陷,当缺陷区域与正常木纹区域的颜色、纹理存在较明显差异时,无论木纹本身是否规则,本文方法都能准确地检测出木板材节疤缺陷的区域;而当缺陷区域与正常木纹区域的颜色、纹理的差异均不明显时,本文方法仍能检测出缺陷区域的大致轮廓。数据对比显示了本文方法的误检率要低于传统的OTSU法。

一种高效的油液磨粒图像自适应分割方法

为了提高油液磨粒图像的分割效果,优化磨粒自动识别工作的重要环节,提出了一种结合分水岭算法及区域相似度合并的油液磨粒图像自适应分割方法。对于待分割图像,首先通过形态学重构和基于形态学的自适应H-minima技术对梯度图像进行修正,利用分水岭算法完成磨粒图像的一次分割;其次提取分水岭分割后同质区域的Lab颜色特征、局部二值模式(LBP)纹理特征作为区域的量化指标,基于Bhattacharyya系数分别计算区域间的颜色、纹理相似度,设计可以实现权重自适应调整的颜色、纹理特征融合规则,以此来获取同质区域的综合相似度矩阵,实现过分割区域的合并;最后基于统一的后处理算法完成磨粒图像的完整分割。选择60幅磨粒图像对所提方法的分割效果进行测试,结果表明,单幅图像的平均分割速度在12 s左右,分割正确率稳定在90%以上,所提方法避免了用户在分割过程中对图像的交互式处理,较好地平衡了分割效率和分割精度,自适应程度明显提高。

基于CART决策树与改进的AdaBoost的视网膜血管提取算法（英文）

本文提出了一种分类回归树(Classification and regression tree, CART)算法与改进的AdaBoost相结合的视网膜血管分割的监督学习算法。该算法对视网膜图像的绿色分量提取、反转、膨胀和增强后分别提取LBP(local binary patterns)纹理特征和局部特征,从而构建出17维特征向量。利用特征向量与专家手工标注的数据构造一个数据集,以特征为节点生成CART二叉树,将CART二叉树作为AdaBoost的弱分类器,通过加入再判决函数对AdaBoost做出一定改进,从而形成强分类器。本算法在DRIVE(digital retinal images for vessel extraction)数据库上进行了实验仿真,实验结果表明,本文所提出的改进算法对血管的分割精度高,包含了完整的血管细节,而且分割出来的血管树的连通性较好,能够反映出血管的分布走势。与传统的AdaBoost分类算法和基于SVM(support vector machine)的分类算法相比,本文所提出的改进算法的平均准确率和可靠性指标都比较高。

复杂背景下基于Vibe和改进LBP的运动目标检测算法

在雨雪纷飞、不停波动的湖面等自然背景下,运动目标检测的准确性会受到巨大影响。因此,在动态背景中将前景目标准确地提取出来是复杂场景下运动目标检测的首要任务。针对现有visual background extractor(Vibe)算法在复杂背景下检测效果较差且易受光照变化影响的问题,提出了一种将Vibe算法与改进局部二值模式(LBP)特征算子结合的运动目标检测算法。首先,计算并保存每一帧的LBP值图像,采用相邻帧补偿策略稳定图像,减少光照对灰度值的影响。然后,使用Vibe算法建立背景模型,用改进的LBP值代替灰度值来进行前景检测。最后,进行形态学操作得到最终的前景目标。实验结果表明,所提算法和其他传统算法相比,对动态背景的抑制效果好,对比原始Vibe算法召回率平均提升25.6%,准确率平均提升12.5%,误检率平均降低22.6%。

基于Sobel算子的工件圆弧轮廓特征提取

在双目视觉工件圆弧半径测量过程中,圆弧轮廓特征提取是后续边缘轮廓点匹配及空间圆弧重构的关键。受工件表面纹理、周围环境干扰、光照不均匀等影响,现有算法并不能准确提取圆弧轮廓特征。在Sobel算子进行边缘检测的基础上,利用自适应卷积运算和双局部二值模式纹理特征进行归一化处理产生融合灰度值,进而利用融合灰度值对Sobel算子检测结果进一步筛选出边缘轮廓点。对极坐标分布直方图进行一般正态分布处理,排除背景复杂时噪声点的干扰,进一步区分外轮廓特征和内轮廓特征。实验结果表明,本文算法不仅消除了光照影响,而且具有很好的准确性和稳健性。