基于空间纹理相似性的图像角点特征匹配算法

针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明该算法不仅能够很好地适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比该算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48 ms,而匹配特征数量较多时能够降低2 408 ms。

基于彩色共生矩阵的纹理特征分类研究

本文提供了一种通用的彩色纹理分类方法。首先将灰度共生矩阵扩展应用于彩色图像,然后从中提取Haralick彩色纹理特征。由于每个图像像素都可在不同颜色空间中表示,所以利用了一种迭代选择算法,以降低彩色纹理特征空间的维度。通过Bark Tex纹理数据库的应用测试,证明了该方法对纹理分类的有效性。

局部纹理特征改进空闲车位智能检测算法

针对车辆数量的爆炸式增长而智能停车场车位检测速度慢、正确率低的问题,提出了一种基于局部二值纹理特征改进的空闲车位检测算法,算法首先将监控摄像机采集的车位图像降噪滤波后转化为局部二值模式,然后通过结构模板集提取图像的局部二值纹理特征,作为空闲车位和有车车位的识别特征,最后通过核Fisher判别方法实现空闲车位的检测。实验结果表明,所提方法对空闲车位的正确检测概率达到91.57%,对有车车位的错误检测概率只有4.46%,满足停车场空闲车位自动检测的要求,检测性能优于实验中采用的对比方法。

应用于行人检测的HLBP与CHLBP纹理特征

根据CSLBP(center-symmetric local binary pattern)和Uniform LBP(local binary pattern)特征描述行人局部纹理互补性的特点,提出将二者级联的组合特征用于行人检测:基于灰度图像的纹理特征(hybrid local binary pattern,HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern,CHLBP)。实验结果表明,当FPPW=10–4时,HLBP特征的检测率为93.96%,与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%,基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比,该特征提高了行人检测精度,降低了误检率,检测性能得到较大幅度的提升。

基于视频片段的视频检索

为提高视频检索的查询效率,提出一种基于视频片段的视频检索方法。该方法利用相邻帧之间的HIS(Hue,Saturation,Intensity)颜色信息特征将视频流分割成子片段,并采用高维索引结构Vector-Approximation Trie(VA-Trie)来组织视频子片段,然后,利用空间和纹理特征定义视频片段的相似度模型,在此基础上采用基于限定性滑动窗口的高效视频检索算法进行视频片段检索。研究结果表明:与其他检索方法相比,该方法能有效地提高视频检索的查全率和查询率,适合用于运动视频检索。

联合局部二值模式的高光谱影像空-谱分类方法

为充分利用高光谱影像"图谱合一"的特性,提出了一种联合局部二值模式的高光谱影像空-谱分类方法。该方法通过局部二值模式从降维影像中提取空间纹理特征,以线性加权求和核为多核组合方式,与原始光谱特征结合构造混合核极限学习机模型,实现影像的地物分类。为了验证该方法的有效性,利用Indiana和Pavia U两组高光谱影像数据进行实验,总体分类精度分别达到99.23%和94.95%。结果表明该方法分类效果优于纯光谱分类、纯局部二值模式空间分类、GLCM空-谱分类以及3Gabor空-谱分类方法,有效地改善了高光谱影像分类结果,获得更加平滑的分类结果图。