中国象棋自动打谱方法研究

针对现存象棋打谱方式繁琐、成本较高的问题,提出了一种基于机器视觉的象棋自动打谱方法。对图像进行预处理后,首先结合二值化与连通区域搜索进行人手遮挡检测,随后采用Hough圆检测、字符矩阵等方法对棋子进行定位,接着将棋子分为红黑两方,并利用局部二进制模式直方图(local binary pattern histogram,LBPH)算法实现棋种识别,最后通过动态识别棋子移动路径,根据行棋规则生成着法。选取50局象棋比赛录像进行测试,结果表明,该方法在识别准确率达到99%的前提下,1 s内可对5帧图像进行处理与识别,且对50个视频识别得到的棋谱正确率均为100%,可以完全满足各类型对局的打谱需求。

多层AR-LBP与WLD特征融合的SA-CRC人脸识别

针对非对称局部二值模式(AR-LBP)提取的人脸特征有限,以及协同表示分类(CRC)人脸存在的类间干扰,提出以多层AR-LBP特征及联合韦伯局部描述子(WLD)特征进行补充,并以增加CRC中稀疏性来降低类间干扰。提取人脸图像的多层AR-LBP特征并级联,与从原图像提取的WLD特征级联得到多层AR-LBP与WLD融合特征,采用稀疏增强的协同表示分类(SA-CRC)完成人脸分类。在ORL、Yale和GT公开人脸库上,提出的多层AR-LBP与WLD特征融合算法与AR-LBP特征提取算法、WLD特征提取算法以及多层LBP与HOG特征融合算法相比,识别正确率提高了0.7%~42.6%;当利用SA-CRC取代CRC后,识别正确率进一步得到提高。

基于感兴趣区域的改进型LBP手指静脉识别

为进一步提升手指静脉识别算法的识别率,在图像预处理阶段提出一种快速感兴趣区域(RoI)提取方法,简化候选区域提取的计算过程,缩短手指区域提取时间。识别特征则是在局部二值模式(LBP)的基础上,利用邻域像素的平均值代替中心值,通过邻域像素的关系引入,提升了图像的纹理表达效果。在SDUMLA数据库与天津市智能实验室采集指静脉图像数据库上,分别取得了99.53%,99.74%的识别率,表明了算法优良的识别性能与泛化能力。

结合光谱、纹理与形状结构信息的遥感影像分割方法

针对目前遥感影像分割中多特征利用的问题,提出一种综合利用光谱、纹理与形状信息的分割方法。该方法在进行初始分割的基础上,统计区域的光谱和LBP纹理特征;然后依据光谱、纹理与形状特征计算相邻区域之间的异质性,并以此为基础构建区域邻接图(region adjacency graph,RAG);最后在邻接图的基础上采用逐步迭代优化算法进行区域合并获取最终分割结果。采用QuickBird和SAR影像的分割试验,证明该算法能充分利用影像中地物的光谱、纹理与形状信息,分割效果良好,效率高。

多尺度加权LBP的人脸识别

针对传统局部二值模型(LBP)算子容易受到周围噪声点的干扰的缺点,提出了首先对图像进行Gauss滤波预处理,去除图像中的干扰噪声。针对传统LBP算子无法提取出非局部特征信息,提出一种新的基于多尺度加权的改进LBP(MWLBP)算子。MWLBP算子以不同大小的方型邻域为研究对象,将不同大小区域的LBP直方图进行加权求和。MWLBP比传统LBP算子提取的特征范围更大,在提取了局部特征的同时,保留了一定的非局部特征。相对于Gabor和其它特征提取方法,MWLBP算子在保留了多尺度特征的同时,能控制计算量大小。在ORL和Yale人脸数据库上的实验表明,Gauss滤波预处理确实能去除图像中的干扰噪声,提高识别准确率;MWLBP算子比传统的LBP算子、Gabor和其它特征提取方法减少了计算量,加快了分类器训练和人脸识别的速度,提高了准确率。

一种融合多模式单演特征的人脸识别方法

为了更好地利用单演幅值和区域主方向信息,分别提出了一种单演韦伯差异激励局部块二值模式和单演区域主方向模式,并在此基础上进一步采用分块子模式策略融合两种特征。该方法首先对单演幅值求取差异激励,将差异激励分解为正值和幅值图像;然后对正值和幅值图像采用基于分块的局部二值模式编码,采用主成分分析方法求取单演区域主方向,并对主方向进行均匀量化,再采用异或编码。在获取两种特征后,采用分块子模式的策略对两种特征进行加权融合。在AR和CAS-PEAL上的实验表明,MWLMBP和MDOP两种特征提取方法能够有效提取图像的判别信息,进一步融合两种特征的方法能够有效增强特征的分类能力,提高特征的识别性能。

改进深度学习块卷积神经网络的人脸表情识别

设计一种改进的块卷积神经网络架构,并结合主动形状模型和局部二元模式映射实现人脸表情识别。采用主动形状模型定位人脸关键点,实现人脸姿态校正和感兴趣区域抽取;对校正后的图像进行局部二元模式映射,降低光照干扰;设计改进的卷积神经网络架构,对局部二元模式图像和感兴趣区域两个输入项进行学习和训练,建立分类器并实现人脸表情分类。人脸表情识别实验结果表明,该方法识别率高,运算效率较高。

基于感兴趣区域和HOG-MBLBP特征的交通标识检测

交通标识检测中样本类别间的不平衡常常导致分类器的检测性能弱化,为了克服这一问题,该文提出一种基于感兴趣区域和HOG-MBLBP融合特征的交通标识检测方法。首先采用颜色增强技术分割提取出自然背景中交通标识所在的感兴趣区域;然后对标识样本库提取HOG-MBLBP融合特征,并用遗传算法对SVM交叉验证进行参数的优化选取,以此来训练和提升SVM分类器性能;最后将提取的感兴趣区域图像的HOG-MBLBP特征送入训练好的SVM多分类器,进行进一步的精确检测和定位,剔除误检区域。在自建的中国交通标识样本库上进行了实验,结果表明所提方法能达到99.2%的分类准确度,混淆矩阵结果也表明了该方法的优越性。

一种基于分治策略的Huffman-LBP多姿态人脸识别

局部二值模式(LBP)因计算简单以及对轻微光照、姿态变化的鲁棒性而被广泛应用于人脸识别领域,但其只能作用于一定的人脸姿态变化范围(-15°~15°).针对这一问题,本文提出一种利用分治策略进行人脸表达和分类的多姿态人脸识别框架.首先,区域选择因子(RSF)被用于对不同姿态的人脸图像进行划分并找到有效的人脸区域;其次,提出了一种基于Huffman编码的LBP特征提取方法,用于特征表达;最后,一种基于图像块(patch)的稀疏表达分类(patch-based SRC)策略被用于匹配和分类.本论文分别在CMU PIE和FERET人脸库上进行了实验,实验结果证明了所提方法对姿态变化的有效性.

基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究

提出一种基于LBP算子与多尺度分析手段的高分辨率遥感影像道路提取方法。首先使用邻域均值作为阈值进行二值化,以改进一般LBP算子;再根据局部方差与尺度间的关系,找到适合道路LBP纹理值的最佳尺度;最后利用区域生长和形状指数提取最佳尺度下的影像道路信息,并通过尺度收缩关联到原始影像。实验结果表明本文方法可取得较好效果。

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。

一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.

基于MSCR与CS-LBP的鱼眼图像特征区域匹配方法

相比普通镜头,鱼眼镜头拥有更大的视场角,甚至可以直接获取半球域的图像信息,在立体视觉领域,应用鱼眼镜头来采集全景图像可减少镜头及图像采集模块数目,简化系统、提高运算速度、降低成本。但同时鱼眼镜头图像也存在一定程度的畸变,越靠近边缘畸变越严重。因此,在光轴正交或是角度更大的立体视觉系统中,进行相关图像的特征点匹配存在困难,直接影响立体视觉系统的应用效果。然而采用一种具有仿射不变性的图像匹配算法即可解决这个问题,首先提取原始图像的MSCR特征区域,其次引进CS-LBP算子对各个MSCR区域进行特征描述,应用特征权重的卡方距离比较法进行唯一匹配,最后进行椭圆拟合及连线标记使得匹配结果可视化。且通过实验验证了此方法的稳定一致性,可应用于大旋转角度的鱼眼图像的特征匹配。

半监督SVM分类算法的交通视频车辆检测方法

针对交通场景运动车辆检测中车辆数目统计准确率不高、自适应性不强等问题,提出了一种基于半监督支持向量机(SVM)分类算法的交通视频车辆检测方法。利用人工标记的少量样本,分别训练2个基于方向梯度直方图(HOG)特征与基于局部二值模式(LBP)特征的不同核函数的SVM分类器;结合半监督算法的思想,构建SVM的半监督分类方法(SEMI-SVM),标记未知样本并加入到原样本库中,该方法支持样本库动态更新,避免了繁重的人工标记样本的工作,提高了自适应性;最后,通过三帧差分法提取运动区域,加载分类器在该区域进行多尺度检测,标记检测出来的运动车辆,统计车辆数目。实验结果表明:该方法在具有一定的自适应性的同时,有较高的车辆检测准确率,即使在复杂交通情况下,对运动车辆依然有很好的检测效果。

融合子区域局部二值模式特征与深层聚合网络的人脸识别

针对深度网络对人脸噪声敏感,且学习过程容易忽视人脸结构信息的问题,提出融合子区域局部二值模式(local binary pattern,LBP)特征和深层聚合网络的人脸识别算法。将人脸图像划分为不同子区域,并采用局部二值模式对人脸进行预处理,获取子区域人脸的LBP特征。不同子区域LBP特征输入不同的稀疏自动编码器,实现深层特征提取;然后不同稀疏自动编码器的输出特征通过全连接方式实现特征聚合,获得人脸特征向量用于分类。通过大量实验获取了最优的聚合网络模型架构和网络参数取值,改善了人脸识别效果。

多尺度局部结构主导二值模式学习图像表示

通过零均值化的微观结构模式二值化(ZMPB)处理,该文提出一种立足于局部图像多尺度结构二值模式提取的图像表示方法。该方法能够表达图像中可能出现的各种具有视觉意义的重要模式结构,同时通过主导二值模式学习模型,可以获得适应于图像数据集的主导特征模式子集,在特征鲁棒性、鉴别力和表达能力上达到优异性能,同时可以有效降低特征编码的维度,提高算法的执行速度。实验结果表明该算法性能优异,具有很强的鉴别能力和鲁棒性,优于传统LBP和GIMMRP方法,和很多最新算法结果相比,也具有竞争优势。

利用FW-PCA检测遮挡区域的人脸识别

针对人脸识别中存在遮挡而影响识别性能的问题,提出了一种利用快速加权主成分分析(FW-PCA),检测遮挡区域的鲁棒人脸识别算法。利用FW-PCA检测输入图像的遮挡区域,将其与图库图像的遮挡区域进行比较;利用局部二值模式匹配确定最优权重系数,利用相位相关算法匹配确定遮挡掩码;计算每个测试图像的匹配得分,并利用最近邻分类器完成人脸识别。在FRGC2和UND人脸库上的实验结果表明,此算法的识别率可高达99.6%,相比其他几种较新的人脸识别算法,取得了更好的识别性能。

基于Hough森林的多特征快速行人检测

为了快速检测行人,根据人体头顶特性快速找出头顶候选点,依此为基点利用边缘检测算法提取目标轮廓,将其作为待测区域;然后利用改进的颜色自相似特征、结合区域边缘直方图和一致模式LBP26,1特征,在Hough森林分类器上进行分类检测。实验结果表明,该算法在检测正确率及速率方面都得到了提高,对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性,在多种行人数据集中测试取得良好的效果。

基于级联深度神经网络的抑郁症识别

抑郁症是最常见的心理障碍之一,严重困扰患者的工作和生活。随着情感感知技术的发展,开发抑郁症自动识别系统具有广阔的前景。基于视频人脸图像,结合级联深度神经网络和多特征(全局特征和局部特征)对抑郁症BDI-II分值进行预测。设计全局特征网络、局部特征网络(眼部,嘴部)三个分支,利用FaceNet网络和深度神经网络提取全局特征,利用基于四元数的局部二进制编码和深度神经网络提取局部特征。在融合层将全局特征向量和局部特征向量拼接,接入第三个深度神经网络对抑郁程度进行预测。在AVEC2013和AVEC2014抑郁症数据库上进行测试,实验结果表明,与其他基于视觉的方法相比,该方法取得了更小的平均绝对误差和均方根误差。

基于LBP的图像区域复制篡改检测

研究尺度不变特征变换(SIFT)和旋转不变局部二值模式(LBP)相结合的特征匹配方法,提出一种基于LBP的图像区域复制粘贴篡改检测算法。利用SIFT关键点检测方法检测图像中的所有关键点,计算以关键点为中心的周围图像区域的LBP特征,并将其作为关键点的特征描述,采用特征向量的欧式距离进行关键点匹配。实验结果表明,该算法在抗旋转、亮度变化处理和效率方面均优于基于主成分分析的检测算法。