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LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.

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。

一种基于多特征融合的粒子滤波目标跟踪算法

针对采用单一图像特征进行目标跟踪时鲁棒性不高的问题,提出一种基于多特征融合的目标跟踪算法.该方法利用颜色特征和纹理特征描述目标,并将二者融合于粒子滤波框架中,提高了目标跟踪的稳定性,同时也在一定程度上克服了目标跟踪中光照变化时跟踪效果较差等缺点.实验结果表明,该文算法不仅提高了目标跟踪精度,而且具有较强的鲁棒性.

融合多特征的运动目标特征提取方法

运动目标的特征提取是运动目标分类的基础。仅依赖于单特征进行运动目标分类容易受到目标区域检测精度不准确、目标角度、尺度变化以及噪声干扰等因素影响,从而造成分类准确度降低。为克服上述缺点,提高算法的鲁棒性,提出了融合宽高比特征、旋转不变均匀局部二值模式特征以及尺度不变特征(SIFT特征)的运动目标特征提取算法,并在此基础上基于支撑向量机和K近邻方法对运动目标进行分类。实验表明,采用融合多特征的运动目标特征提取方法能够显著提高运动目标的平均分类准确率。

采用局部差分模型描述的彩色图像配准技术

针对光照方向、强度、色彩或摄像头参数等因素的变化导致待配准彩色图像对间存在复杂的色彩变化,从而严重影响彩色图像配准效果的问题,提出了一种对彩色变化不敏感的彩色图像配准方法.该方法首先根据彩色图像间的von Kries彩色变换模型,建立图像的彩色不变量空间,在此空间利用尺度不变量特征转换(SIFT)算法完成特征点的检测;为加快运算速度,采用2阶局部差分模型(LDP)方法对特征点进行描述,并完成彩色图像特征间的初匹配;再进一步利用RANSAC算法消除误匹配特征点对,得到最终的匹配特征点对.实验结果表明,该彩色图像配准方法与其他算法相比,可以快速、准确地获得彩色图像间的映射关系,因此更加适合存在色彩变化的彩色图像的配准.

改进的二进制特征图像检索算法

提出一种针对嵌入式系统的图像检索算法,通过提取目标局部特征来进行图像检索。为了提高检索的实时性并兼顾正确率,选用经典SIFT特征为基础进行改进。在关键点检测阶段使用均值滤波代替高斯滤波大大提高特征提取速度。在描述符生成阶段通过稀疏矩阵将SIFT特征映射为二进制描述符。引入基于K-means的Multi-probe LSH方法对二进制描述符进行快速检索和匹配。通过一系列的图像缩放、旋转、模糊和光照变化对比实验,可以看出该算法与现有的经典算法相比在检索正确率及实时性方面均有很好的表现。

结合RGB颜色特征和纹理特征的消影算法

在视频监控的运动检测中,运动阴影常被误认为视频对象。为了解决这个问题,提出了一种结合RGB颜色特征和纹理特征的运动阴影检测方法。利用背景差和多帧差结合的方法,获得包含运动阴影的前景分割,在此基础上利用阴影区域中RGB特征的相似性(其RGB向量夹角较小)与局部二值纹理模式(Local Binary Pattern,LBP)相结合,进行阴影检测与去除;使用形态学的方法去除像素突变的边缘部分。实验表明,该方法在运动目标检测及跟踪方面取得了较好的效果,与其他消影算法比起来,速度较快。

基于改进粒子滤波的视觉目标跟踪算法研究

单纯依靠一种颜色特征往往使得目标跟踪效果不理想,为了在复杂背景及光照突变等情况下实现对目标稳定而准确的跟踪,提出一种基于颜色直方图(CHF)和彩色二进制局部不变特征(CBLIF)相结合的粒子滤波跟踪方法,在CBLIF目标模板和当前搜索区域之间进行特征匹配,当特征点数量大于前几帧数目平均值时,说明跟踪算法有效,此时用跟踪结果的颜色目标模板和CBLIF模板对颜色目标模板和CBLIF模板进行更新;否则,不更新颜色目标模板。实验结果表明,该算法具有较高精度和适应性。

一种基于LTP特征的图像匹配方法

为了解决可变光照条件下图像匹配困难这一问题,提出一种基于LTP(局部三值模式)特征的图像匹配方法。LTP是LBP(局部二值模式)的扩展,这种局部纹理描述算法较LBP更具有判别能力而且对于统一区域的噪声更不敏感。利用LTP对于图像旋转和光照变化都具有良好的鲁棒性,解决了在光照可变条件下流行的SIFT方法进行匹配的困难。通过对不同变换的图像进行匹配实验表明,该方法得到的匹配结果比LBP效果更好,鲁棒性更高,而在光照可变和噪声很大的情况下比流行的SIFT方法更实用。

球形全景核线约束的颜色不变量综合特征快速匹配方法

针对目前立体全景模型量测应用中特征匹配自动化程度偏低的问题,提出一种基于立体球形全景约束的颜色不变量综合特征快速匹配方法.首先,通过核线约束,使全景影像匹配的搜索范围从二维限制到一维带状缓冲区域;然后利用颜色不变量相关系数进一步确定精细搜索范围;最后,基于颜色不变量及旋转不变纹理特征构建综合匹配测度模型,以实现全景特征匹配.通过实地拍摄的全景图像,与灰度匹配法、SIFT,SURF以及CSIFT进行比较分析.实验结果表明,该方法匹配准确率提高了近10%,可消减球形全景特征的误匹配,有效地解决影像匹配时同名像点自动寻找与几何信息快速解算,为全景量测模型二次采样、量测及深度图的生成奠定基础.

Haar型LBP纹理特征的行人检测研究

针对行人检测中直接在灰度图像下提取局部二元模式(Local Binary Pattern,LBP)特征受噪声影响大导致检测率低的问题,提出了基于HSV颜色空间提取改进型Haar型LBP(IHLBP)特征的方法。首先将图像由RGB颜色空间转化到HVS颜色空间,然后对HSV图像的H、S、V空间分别提取IHLBP特征,最后将3个IHLBP特征归一化后串接为一个特征向量,得到最终的IHLBP特征。在INRIA Person数据集上采用支持向量机(Support Vector Machine,SVM)作为分类器进行测试。实验结果表明,该方法能有效地提高识别率,可达98.5%。相比于HOG特征、HPG-LBP特征和WLD-LBP特征具有更好的实验效果。

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。

高效的光照、旋转、尺度不变纹理分类算法

纹理图像中存在的光照、旋转、尺度变化使纹理分类成为一个极具挑战性的问题.针对传统的纹理分类算法在同时解决光照、旋转、尺度变化问题和实时性方面存在的不足,提出一种高效的光照、旋转、尺度不变纹理分类算法.首先利用原始图像及其2次高斯滤波图像构造尺度空间,采用带邻域主导方向的完备局部二值模式算法在不同尺度上提取光照、旋转不变的纹理特征;然后利用跨尺度取模式最大值的方法获得尺度不变的纹理特征;最后利用最近子空间分类器进行分类.在5个有代表性的纹理库上进行实验的结果表明,该算法不需要预先学习,能较好地解决纹理分类中的光照、旋转、尺度变化问题,并具有较高的实时性.

高鲁棒性和独特性的图像局部不变特征描述

为了提高尺度不变特征变换(scale invariant feature transform,SIFT)算法的不变性,并降低图像中存在多个相似区域时的误匹配率,提出了一种将基于局部二进制模式的中心对称的改进局部三进制模式(center-symmetric improved local ternary patterns,CS-ILTP)描述子和全局灰度值分布(global distribution of intensity,GDI)描述子相融合的局部不变特征描述算法。通过迭代变换,使得由SIFT算法得到的初始特征点收敛到仿射不变点并得到仿射不变区域;分别提取CS-ILTP和GDI描述符,从而得到图像的局部不变特征描述。实验结果表明,所提算法具有高鲁棒性和独特性,相似区域和人工路标匹配中的正确匹配特征个数分别比SIFT算法增加了100%和86%以上。

基于彩色局部角度二值模式的纹理分类研究

为解决光照变化下彩色纹理图像分类准确率不高的问题,本文采用彩色局部角度二值模式(CLABP)的方法来提取和表示纹理特征。该方法一方面能解决局部二值模式(LBP)不能对自然纹理图像空间结构信息描述的缺陷,另一方面可解决局部彩色纹理特征在光照变化下分类准确率不高的问题。为验证算法的有效性,对Outex纹理数据库进行CLABP特征提取,并结合最近邻匹配得到纹理图像的分类。实验结果表明,该方法的分类精确度达到90%。

基于组合特征检索策略的图像检索技术研究

图像检索是信息挖掘领域的重要方法,针对单一特征图像检索方法鲁棒性不足的问题,文章提出了一种基于组合特征检索策略的图像检索方法。首先,求取空间颜色直方图特征、局部二值阵列特征、基于轮廓的Hu矩特征,分别作为颜色特征、纹理特征、形状特征的表达;再对3种特征分别配置相应的权重,进而形成组合检索特征。实验结果表明,基于组合特征检索策略的图像检索方法明显提高了检索性能,并且具备较好的灵活性。

融合颜色特征与LBP的图像检索

随着图像数据量的不断丰富和人们需求的不断提高,基于内容的图像检索技术成为一个重要研究课题。研究了基于颜色相关图与LBP算法的图像检索算法,利用颜色相关图与LBP算法分别提取图像的颜色特征与纹理特征,实现了图像的检索,实验结果说明了算法的有效性。

基于局部彩色二元模式纹理特征的人脸分类方法

针对现有的局部纹理特征在光照变化下的人脸分类准确率不高的问题,提出一种局部彩色二元模式纹理特征提取和表示方法.该方法首先求取多个信号通道的彩色向量的模,以减少单独对每个信号通道提取LBP特征导致的量化误差;其次提取任意两个信号通道之间的像素彩色夹角来减少光照变化的影响.对于给定的测试人脸图像集,通过SVM的二分类器投票得到人脸图像的分类.在Color FERET和XM2VTSDB人脸图像数据库上的实验证明该方法在光照变化下可以有效地分类人脸图像.

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式(Local Binary Patterns,LBP)和图变换(Graph Transformation Matching,GTM)的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式(Local Rotation Invariant Binary Patterns,LRIBP)描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.