LNIP改进算法及其在材料形貌分类中的应用研究

针对LNIP(local neighborhood intensity pattern)纹理特征提取算法在旋转、尺度变化方面存在的不足,提出了一种LNIP改进算法RSILNIP(rotation and scale invariant LNIP)。首先,同化邻域信息之间的特征以提高其旋转不变性;其次,采用统一编码的方式降低特征提取维度;然后,提取多尺度特征并进行选择,从而增强其尺度不变性;最后,采用并联方式合并特征。将改进算法与同类算法在公共数据集Outex和材料扫描电镜图像数据集SEMdataset上进行分类精度测试,得到改进算法的分类精度分别达到96.76%和98.26%,说明改进算法在图像分类和材料形貌归类上有较好的工程应用价值。