ILBP算子在浓雾天气形势图识别中的应用

纹理是天气形势图的突出特征,有效地从天气形势图提取并表示其纹理是实现雾型实时在线预报的基础。基于此,提出一种改进的局部二值模式算法,通过调整局部二值模式(LBP)算子中二进制多项式的权重,实现其提取特定方向上纹理特征的目标。将江苏地区2010年—2017年500张浓雾天气形势图作为数据集,采用Chi统计法匹配测试数据与基准数据的相似度进行天气分类。实验结果表明,该算法的准确率、虚警率及临界成功指数分别为0.884、0.15和0.76,均优于LBP算法,具有较高的识别准确性与可靠性。

基于ILLBP和ISSA的带钢表面缺陷识别

带钢表面缺陷存在着噪声、光照不均匀、纹理复杂以及局部区域对比度弱的问题。为此,提出了一种新的带钢表面缺陷识别算法。首先提出了ILLBP特征提取算法,在LBP算法中引入LTP的低阈值模式克服一定的噪声和光照影响,为了更好表征带钢表面缺陷复杂的纹理特征引入了ILBP中3种新的纹理结构,同时将LBP值的频率直方图改为了LBP局部梯度幅值和局部梯度方向的频率直方图,使其能更好地表征局部区域对比度强弱的关系;最后为了进一步提高带钢缺陷识别的准确率和减少冗余特征的影响,提出了一种改进的樽海鞘特征选择算法(ISSA)。在NEU数据集上仿真实验结果表明:算法(ILLBP+ISSA)能够克服光照不均匀、局部区域对比度弱、纹理复杂多样的影响,以及对噪声具有一定的鲁棒性。在高斯噪声信噪比为50 dB时带钢表面缺陷识别准确率能达到99.10%,40 dB时准确率能达到97.60%。