基于最大稳定极值区域与主要旋转不变局部二值模式的复杂场景车牌检测方法

为了解决在复杂场景中进行车牌定位的问题,提出了一种基于MSER与DRLBP特征的车牌定位方法。首先对输入图像进行预处理,然后在多个通道上进行MSER候选区域提取;接着利用所设计的基于车牌字符合并的车牌定位方法进行车牌字符合并;最后利用DRLBP纹理特征对合并后的区域进行验证从而得到最终的车牌区域。实验结果表明该方法具有较好的定位能力。由于方法是通过寻找车牌字符进而定位车牌位置,因此其受车牌颜色、车牌格式的影响较小,在复杂环境中对国内外不同车牌均有较好定位效果。

基于局部二值模式及其变形的场景分类综合实验设计与实践

以学生为中心,兴趣为导向,解决问题为目标,采取基于问题的教学方法,以基于局部二值模式及其变形特征的场景分类为例,设计与教学大纲紧密结合、有效支撑课程目标的综合实验。在教师的主导下,学生以团队协作方式完成综合实验,串联计算机视觉与图像处理课程的重点知识,训练分析问题、解决问题的能力,切身感受解决问题的过程,提升实践与创业创新能力。

用于纹理特征提取的改进的成对旋转不变共生局部二值模式算法

针对用于纹理特征提取的成对旋转不变共生局部二值模式(PRICoLBP)算法计算特征维度大、旋转不变性较差、对光照变化敏感的问题,提出一种融合局部纹理信息的改进PRICoLBP算法。首先,分别最大化和最小化图像像素点的二值序列,得到两个邻域像素点的坐标,由中心像素点坐标和得到的邻域像素点坐标计算出共生点对的坐标;其次,利用完备二值模式(CLBP)算法提取图像的每个像素点的纹理信息。在相同分类器下,对Brodatz、Outex(TC10,TC12)、Outex(TC14)、CURe T和KTH_TIPS数据库的分类实验中,所提算法的识别率比PRICoLBP算法分别提高了0.17、0.24、2.65、2.39和2.04个百分点。实验结果表明,所提算法在处理纹理旋转变化、光照条件多样的图像时具有较好的识别效果。

非采样Contourlet变换与局部二值模式相结合的人脸识别

针对人脸识别中姿态、光照和表情变化带来的识别率有限的问题,提出了一种基于非采样Contourlet变换(NSCT)与局部二值模式(LBP)的人脸特征提取方法。首先对人脸图像进行非采样Contourlet变换,得到多尺度、多方向的子带系数矩阵,然后利用LBP算子从每个子带系数矩阵上抽取局部邻域关系,得到各子带的LBP特征图谱,最后将这些图谱分块统计并级联后作为人脸的识别特征。利用多通道最近邻分类器的分类结果表明,所提方法能有效提高识别率,所提取的特征对光照、表情和姿态等变化具有更好的鲁棒性。

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。

基于局部二值模式和相位变换的瑕疵检测方法

针对生产过程中产生的一些表面瑕疵会对工业产品质量造成严重威胁的问题,提出一种基于局部二值模式LBP和相位变换相结合的瑕疵检测方法。在分析2种算法优缺点的基础上,针对不同特点的瑕疵采取优势互补策略,提高对各类瑕疵判别、提取和定位的准确性。实验结果表明,该方法检测效果优于采用单独一种方法的结果,对不同种类的瑕疵具有更好的适应性。

基于信息熵的二维局部二值模式静脉识别

基于现有LBP算法及其变体无法提取图像高维特征的问题,提出一种基于信息熵的二维局部二值模式识别算法。此方法首先利用统一局部二值模式(ULBP)对图像进行低维特征的提取,随后将图像信息熵与统一局部二值模式图谱进行结合获取熵值加权的统一局部二值模式图谱(EULBP),并利用滑动窗口实现对局部区域内模式间共现特征信息的统计,以其结果作为图像特征表达。并以直方图交叉距离为基础构建模式分类器,验证其识别性能。实验结果表明,在SDUMLA⁃HMT数据集以及马来西亚理工大学指静脉数据集(FV⁃USM)中,提出的算法能取得99.94%和98.84%的平均识别率。

基于二进小波变换及局部二值模式特征的图像检索

纹理是一种反映像素的空间分布属性的图像特征,成为图像分析的重要手段.在图像检索领域,由于小波变换具有方向性、局部特性、多尺度特性,使得图像的纹理特征能得到更好的表征.局部二值模式是提取图像纹理特征的有效工具,具有旋转不变性和灰度不变性.利用性能良好的Bubble小波对图像进行二进小波变换得到四个子带图像,其中低频子带包含原图信息最多,对角线方向的子图包含信息最少,其余两个子图包含信息介于两者之间,因此选取低频和垂直,水平高频图像,然后对分量利用等价局部二值模式提取图像纹理特征,并进行图像检索.实验结果表明该算法不仅有效地结合了小波与局部二值模式的优势,而且具有较好的检索性能.

成对旋转不变的共生自适应完全局部三值模式

针对成对旋转不变的共生局部二值模式(PRICoLBP)旋转不变性较差及其相关改进算法EPRICoELBP对光照变化和噪声干扰较为敏感的问题,提出了一种增强成对旋转不变的共生自适应阈值完全局部三值模式。通过自适应阈值局部三值模式(ALTP)将图像分成Upper和Lower模式;分别在两种模式中找出像素点LBP特征极大、极小值对应的邻域起始编码点,利用中心像素点与其LBP特征极大、极小值对应的邻域起始编码点作为方向矢量,来确定中心像素点的上下文共生点对;利用自适应阈值完全局部三值模式(ACLTP)提取Upper和Lower模式中共生点对的局部纹理信息;联合上下文共生点对的特征直方图训练卡方核支持向量机,进行纹理图像识别检测。在应用广泛的Brodatz、Outex(TC10、TC12-h、TC12-t、TC14)、CUReT、KTH_TIPS、UIUC标准纹理库中,该算法相较于原始的PRICoLBP算法和其他算法在分类准确率上均有一定的提升,且在添加了高斯噪声和椒盐噪声的KTH_TIPS纹理库中,该算法依旧保持了较高的分类准确率。实验结果表明,该算法对旋转、光照变化和噪声干扰具有较强的鲁棒性。

一种基于矢量变换的局部二值化模式分类方法

局部二值化模式(LBP)在计算机图像识别中应用非常广泛,它是一种局部区域灰度函数二值化矢量的分类统计特征,其性能高度依赖于对基本矢量的分类。现有的分类方法有两种:一是最原始的分类方法,二是基于跳变次数的分类方法。前者分类类别严重不平衡,后者忽略了高次跳变的信息。基此提出了一种基于任意矢量变换的局部二值化模式分类方法(LVP),该方法既保留了高次跳变模式信息,又实现了分类类别的平衡。为验证该方法适用性,将LVP与原有的LBP分类模式在INRIA行人、遥感图像车辆和遥感图像飞机三种数据库上进行检测准确度比对,发现使用混合块长度和不同重叠比的LVP具有较高的准确率。在行人数据库中,LVP相对256类LBP使用混合块逻辑或运算的方法,识别正确率提升了2.03%,达到98.93%;在车辆数据库中,用该方法使正确率提高了3.70%,达到94.15%;在飞机数据库中,用该方法使正确率提高了4.65%,达到94.10%。

局部二值模式方法研究与展望

针对当前局部二值模式(Local binary pattern,LBP)方法表现出的理论和实际应用价值,系统综述了在纹理分析和分类、人脸分析和识别以及其他检测与应用中的各种LBP方法.首先,简要概述了LBP方法的原理,主要分析了LBP方法中的阈值操作并介绍了统一模式和旋转不变性模式.其次,分别对纹理分析和分类中的LBP方法、人脸分析和识别中的LBP方法以及其他检测与应用中的LBP方法等三个方面进行了详细的梳理和评述.最后,分析了LBP方法在应用中依旧存在的重要问题并指出了未来的研究方向.

基于多块局部二值模式特征和人眼定位的人脸检测

人脸检测是人脸识别和重构问题中最基本的任务,同样也是人脸识别问题中的一个关键环节,其结果直接关乎到人脸识别最终的效果。所以,构建一种稳健而优秀的检测算法是人脸检测的目的。本文提出了一种基于多块局部二值模式特征的adaboost算法和模板匹配的人眼定位方法,从而提高人脸检测的正确率和稳定率,减少了误差。通过MIT CBCL人脸数据库、生活、网络等渠道照片的实验验证,该方法提高了检测效率,降低误检率,兼具了实时性和鲁棒性。

基于多尺度局部二值模式的人脸识别

提出了一种基于多尺度局部二值模式的人脸识别方法。局部二值模式已经被证明是人脸表示的一种有效算子,不过由于其太小以至于鲁棒性不高。在多尺度局部二值模式中,计算是基于块子区域的平均值,而不是基于单个像素值进行的。人脸图像首先被分成小的子区域,具有不同权值的BLBP算子抽取每一子区域的直方图,然后把它们连接起来,组成一个空域增强的特征直方图。在χ2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成分类识别。实验表明,该方法优于其它的基于LBP的人脸识别算法。

自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该文提出的方法提取纹理特征,并结合最近邻分类法可以得到较高的正确识别率。

语谱图改进完全局部二值模式的语音情感识别

提出一种改进完全局部二值模式和幂指数加权融合方法的语音情感识别方法。首先,将原始语音样本转化为语谱图,再使用5尺度、8方向的Log-Gabor滤波器对语谱图做处理,放大语谱图的细节信息;然后提取语谱图均匀完全局部二值模式符号特征和改进完全局部二值模式幅值特征的分块直方图特征,之后串联两种特征作为新的融合特征改进完全局部二值模式符号幅值特征。最后,基于支持向量机对3种特征进行决策级幂指数加权融合完成语音情感识别。实验表明,改进完全局部二值模式幅值特征和融合特征可以在降低直方图特征维度的同时提高系统的识别性能;幂指数加权融合方法,扩大分类器间的差距,并使分类性能较好的分类器获得较大的权重,最终有效的提升了语音情感识别系统的性能。与其他算法相对比,验证了算法的有效性。

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计。然后,根据统计结果的分布,提取出有效的二值特征图像。最后,用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性。

基于网格纵横局部二值模式的三维人脸识别

提出一种基于网格纵横局部二值模式的三维人脸识别方法。为了充分体现人脸表面的细节差异,有效表示出由表情引起的局部形状变化,本文首先在人脸网格表面的半刚性区域内检测关键点集,并且由关键点确定中心面片,由中心面片及其周围有序环确定关键点邻域;其次将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取网格纵向局部二值模式描述符和网格横向局部二值模式描述符;然后对这两者进行特征融合得到网格纵横局部二值模式描述符;最后利用LC-KSVD2字典学习算法在Bosphorus数据库和FRGC v2.0数据库上完成识别实验。在Bosphorus数据库上各表情的平均Rank-1识别率为97.6%,在FRGC v2.0数据库上的Rank-1识别率为97.9%,该实验结果充分表明本文所提算法具有较高的识别精度,并且对表情变化具有一定的鲁棒性。

时频图像局部二值模式特征在雷达信号分类识别中的应用

针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法。该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35%。所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性。

基于局部二值模式的中值滤波检测算法

针对数字图像处理及窜改中一种常用的处理模式——中值滤波,提出一种基于局部二值模式(LBP)的中值滤波窜改检测方法。首先对待测图像利用基于中心对称像素的局部二值模式算子(C-LBP)定位其特征提取区域,随后基于局部区域中像素之间的关系提出一种改进型的局部二值模式算子,并将其直方图统计作为最终的检测特征。实验证明,与其他传统滤波检测算法相比,该算子不仅大大降低了计算时间,而且在低维度的条件下取得了较高的检测率,是一种有效的中值滤波检测算子。

基于双向梯度中心对称局部二值模式的单样本人脸识别

针对单样本情况下传统人脸识别方法识别效果不佳的问题,提出一种双向梯度中心对称局部二值模式(BGCSBP)的单样本人脸识别算法.首先获取人脸水平和垂直方向的梯度信息,并将其用CS-LBP算子进行编码;然后将二者融合成人脸的BGCSBP特征,再通过分块统计直方图的方式得到人脸的直方图特征;最后采用直方图相交进行分类识别.在CAS-PEAL,Extend Yale B和AR人脸数据库上的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性.