用于纹理特征提取的改进的LBP算法

针对现有的纹理特征提取方法计算复杂度高的问题,利用局部二值模式(LBP)算法思想简单、计算复杂度小的优势,在已有的完整LBP(CLBP)算法基础上,提出了一种改进的CLBP算法(ICLBP)。ICLBP算法保留了CLBP算法中CLBP_S,而对CLBP_M算子、CLBP_C算子进行了改进,提出一个新的纹理描述算子ICLBP_T。ICLBP算法更全面地描述了局部窗口的纹理特征,同时有效解决了CLBP算法中CLBP_M算子对灰度分布不均敏感的问题。通过对Outex、CURet数据库的数据分类实验,结果表明,相比于已有的LBP算法,ICLBP算法的分类精度有了明显的改进,同时ICLBP算法中ICLBP_SCT特征具有较低的特征维数,具有较好的实用价值。

基于数字图像处理技术的皮革纹理特征提取与分类研究

数字图像处理技术被广泛应用到了皮革裁剪、缺陷检测及智能排版等皮革生产中,在皮革制品的鉴定中也有着较高的应用价值。对此,本文简述了动物皮革纹理特征和常用的纹理特征提取与分类算法;基于数字图像处理技术进行了皮革纹理图像的灰度化、去噪、光照变化的稳健性和旋转不变性等预处理,以获得清晰的皮革图像;采用距离变换与骨架提取算法重构出新的皮革纹理特征图;结合LBP-V法提取皮革纹理图像的图谱直方图进行匹配运算,并对皮革试样进行了相似度度量分析,以作为皮革纹理的分类依据,以期促进皮革行业不同类型皮革的快速、精确鉴定。