基于SIFT-GMLBP的动态图像视觉信息提取研究

为了精确地提取动态图像特征,为动画设计师提供更全面、更准确的视觉信息,文中提出基于SIFT-GMLBP的动态图像视觉信息提取方法。以关键点为像素中心,采用局部二值模式(LBP),通过比较其与邻域的灰度值获取LBP码,实现动态图像局部纹理特征捕捉;根据网格化LBP(MLBP)进一步将动态图像中的像素邻域划分为多个网格,使每个网格产生一个LBP值,降低特征向量的维数;结合Gabor滤波器,通过多尺度和多方向的纹理分析,提取动态图像在不同频率和方向上的局部结构信息,整合所有Gabor滤波器响应图像的GMLBP特征,形成包含原始动态图像在不同尺度和方向上的丰富纹理信息的特征向量。实验结果表明:该方法提取的关键点数量和分布非常合理,具有较高的稳定性和动态信息捕获能力,且该方法每秒能够处理高达30帧的图像。

基于四叉树的ORB-LBP改进算法

针对ORB算法存在图像分布不均匀、匹配程度不高、匹配精度差的问题,通过划分网格计算图像灰度值的方法计算角点提取阈值。通过在金字塔层上构建四叉树的方法,在不同金字塔层分别构建不同深度的四叉树以提高计算效率,最后融合BRIEF-LBP特征描述子以提升ORB算法匹配精度。实验结果表明:对比传统ORB算法在速度上降低了5%,但均匀度提升了66左右,召回率也提升了10%;对比其他改进算法,速度提升了2%和5%,特征点分布均匀度提升了48和49,召回率也提升了36.63%和4.925%,实现了在少量增加计算量的同时,特征点均匀度和匹配精度效果有较大提升。

基于LBP和神经网络的织物疵点分类

织物疵点在销售中严重影响着产品的价格与品质,传统的织物疵点检测主要依靠人工检测,这种检测方式如今无法满足机器化时代下的高速度、高精度、高质量的要求。针对织物疵点检测难度大,效率低的问题,文章采用局部二值模式(LBP)和神经网络对织物疵点分类。首先,采用局部二值模式(LBP)对织物疵点纹理特征进行提取;其次,将特征值进行归一化处理并且将获得的特征值如能量、方差、熵等送入到已经训练好的BP神经网络中;最后,通过BP神经网络将前面送入的织物疵点特征值进行织物疵点先识别再分类;研究认为:基于局部二值模式和神经网络的织物疵点检测方法是一种可行的方法。该方法的平均准确率达到80%以上,平均召回率达到80%以上,分类的平均正确率达到85%以上。

改进的LBP算法在人脸识别中的研究与应用

随着科学技术的发展,人脸识别在医疗、安全、通信等领域有着巨大的应用前景,针对传统局部二值模式(Local Binary Patterns)特征纹理提取算法的局限性,如特征维度过高、耗时长等,提出改进的LBP算法,引入局部动态阈值,结合等价模式和圆形模式,实现减少特征向量维度的同时保留关键特征向量,通过SVM支持向量机,完成人脸识别,测试结果表明改进LBP算法相较传统局部二值模式有着显著的提升。

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。

基于LBP纹理与SegNet网络的灾损建筑物提取

高分辨率遥感影像中震后灾损建筑物提取是震害预估中极具重要的参考指标,研究遥感影像的震后灾损建筑物提取方法具有重要的科学意义。本文以青海玉树震后典型的灾损建筑物数据为研究对象,针对卷积神经网络对于城市建筑物纹理特征信息利用的不足,将局部二值模式(LBP)纹理特征与SegNet深度卷积神经网络相结合,采用有监督学习分类的方式训练卷积神经网络,实现震后灾损建筑物自动分类提取,并与传统面向对象提取方法进行对比。实验结果表明,LBP纹理特征与SegNet卷积神经网络模型相结合,对于震后灾损建筑物的提取能提高预测精度,用户精度与生产者精度分别有2%~7%,2%~9%的提升。

基于LBP的同图复制粘贴篡改图像的检验研究

铺天盖地的篡改图像已成为当今社会安全隐患之一。同图复制粘贴篡改是当前篡改图像中较为频繁使用的篡改手法,本文尝试基于LBP算法对同图复制粘贴篡改图像进行鉴别。先将图像转为灰度图再使用低通滤波操作将会降低检验效果的因素减少,再运用Harris算法提取特征点,LBP算法提取特征向量,并将特征值匹配,最后用RANSAC算法来消除误匹配点。结果显示,本文算法可有效检测出经过后处理操作过的同图复制粘贴篡改图像,该方法检验同图复制粘贴篡改图像效果良好。

基于LBP特征与图像显著性的散焦模糊区域检测

针对当前散焦模糊区域检测算法对于均质清晰区域容易误判,边缘定位不够准确的问题,提出一种基于LBP特征与图像显著性的散焦模糊区域检测算法。首先,利用LBP特征和SLIC算法来获取SLBP模糊图,利用DRFI显著性检测算法来获取DRFI显著图;然后,利用SLBP模糊图和DRFI显著图来构造三元标识图,进而利用KNN抠图算法来获取模糊图;最后,借助于形态学运算和平滑滤波来细化模糊图。在公共模糊数据集上的实验结果表明,该算法能有效地检测出均质清晰区域,保留图像边缘细节,在检测精度和查全率指标上表现较好。

复杂光照下LBP人脸识别算法的改进

针对复杂光照下人脸识别准确率低,改进了局部二值模式(Local Binary Patterns,LBP)算法。首先,以灰度对图像进行分层,在不同灰度层内提取LBP特征,根据某一分层上的特征分布及不同分层相同区域的特征相似度,确定该特征值的权重。其次,根据特征值的权重,动态调整尺度变换的窗口大小,合并权重较高的特征,减裁权重较低和无效特征,并构成新的直方图进行对比识别。最后,进行实验对比分析。实验结果表明,该算法可以有效地减少不同尺度变换中的特征计算量,且在复杂光照条件下更加有效地保留细节特征信息,减少干扰特征。

多级LBP直方图序列特征的人脸识别

人脸识别是当前人工智能和模式识别的研究热点。基于对小波分解和局部二进制模式(LBP)分析,提出了一种多级LBP直方图的序列特征(M-HSLBP)的提取方法。2维的小波分解具有对表情变化不敏感的特点,可以很好地压缩和表征人脸图像的特征;LBP是一种有效的纹理描述算子,使用多级可变大小的子窗口对小波变换后的图像进行扫描,对各级子图像进行改进LBP变换并形成多级LBP直方图序列特征,这种特征既能反映人脸局部特征又能反映其整体特征。径向基网络作为分类器具有很高的推广性能,有利于大容量样本的分类。在对人脸库ORL和YEL的识别实验中,该算法识别率达到98%以上,与传统算法相比,取得了更好的识别结果。

基于LBP值对空间统计特征的纹理描述符

针对基于内容图像检索应用背景下局部二值模式(LBP)描述符缺乏空间描述能力及所需特征矢量维数较长的不足,提出一种基于LBP值对空间统计特征构建的改进纹理描述符(ILBP).ILBP描述符首先利用LBP微模式编码方法将原始图像转换为LBP伪灰度图像,然后再提取出多个关于LBP值对空间分布关系统计值构成描述图像特征的特征矢量.在基于内容的图像检索原型测试平台上完成大量实验.实验结果表明,与LBP及其各类变种描述符相比,ILBP描述符在进一步增强LBP描述符描述能力的同时大幅度压缩特征矢量维数,具有更好的查询正确率和查询效率.

基于LBP-TOP特征的微表情识别

微表情是一个人试图隐藏内心真实情感却又不由自主流露出的不易被察觉的面部表情。与一般面部表情相比,微表情最显著的特点是持续时间短、强度弱,往往难以有效识别。文中提出了一种基于LBP-TOP(Local Binary Pattern from Three Orthogonal Planes)特征和支持向量机(Support Vector Machine,SVM)分类器的微表情识别方法。首先,采用LBP-TOP算子来提取微表情特征;然后,提出一种基于ReliefF与局部线性嵌入(Locally Linear Embedding,LLE)流形学习算法相结合的特征选择算法,对提取的LBP-TOP特征向量进行降维;最后,使用径向基函数(Radial Basis Function,RBF)核的SVM分类器进行分类,将测试样本图像序列的微表情分为5类:高兴、厌恶、压抑、惊讶、其他。在CASME Ⅱ微表情数据库上采用"留一人交叉验证"(Leave-One-Subject-Out Cross Validation,LOSO-CV)的方式进行了实验,可得到58.98%的分类准确率。实验结果表明了该算法的有效性。

加权自适应CS-LBP与局部判别映射相结合的掌纹识别方法

提取掌纹的最佳低维分类特征一直是掌纹识别研究领域的一个重要方向。针对掌纹图像具有丰富的纹理特征特点,提出一种基于加权自适应中心对称局部二值模式(WACS-LBP)与局部判别映射(LDP)相结合的掌纹识别方法。首先将掌纹感兴趣(ROI)图像分成大小均匀的小区域,利用自适应中心对称局部二值模式(ACS-LBP)算法获取不同区域的纹理特征直方图和权值,经过加权连接得到ROI的加权纹理特征直方图向量;再利用LDP算法对得到的特征向量进行维数约简;最后利用K最近邻分类器进行掌纹识别。在掌纹公开数据库上进行实验,正确识别率高达97%以上。实验结果表明,该方法不仅是有效、可行的,而且研究思路比较明确。

基于LBP和PCA机器学习的手势识别算法

为解决听力障碍者与无障碍者的信息交流问题,对哑语手势自动识别技术进行研究;提出了一种改进的手势识别算法;首先通过YUV肤色分割、图像差分、连通域检测等算法进行预处理,获取完整的手型区域图像;然后对手型的二值图像进行轮廓检测,采用LBP变换与主成分分析进行特征提取与压缩;最后运用支持向量机的机器学习算法构建分类器,对哑语手势进行分类识别;通过对630张手势图像进行实验,结果表明,提出的算法有效提高了识别率与速度,识别率达到94.22%,速度达到0.29s/幅,可以满足哑语交流的实时性要求。

使用多尺度LBP特征描述与识别人脸

提出了一种基于多尺度LBP特征的人脸描述与识别算法。对原始人脸图像进行二级小波分解,并采用LBP算子分别计算两幅低频逼近图像的LBP特征谱;将LBP特征谱划分为若干个互不重叠的特征区域,然后分别进行直方图统计。最后,将所有区域的LBP直方图序列连接起来得到多尺度LBP特征,将其作为人脸的鉴别特征用于分类识别。所提出算法在ORL人脸数据库中取得了高达99%的人脸识别率。实验分析表明,多尺度LBP特征具有较强的人脸图像描述能力和可鉴别性,且对人脸表情及位置的变化具有较高的鲁棒性。

基于颜色和LBP多特征的mean shift的跟踪算法

mean shift目标跟踪使用任一个单独特征都很难对大幅度的光照、背景变化和车辆大范围运动具有强鲁棒性,如单一的颜色特征对光照较为敏感,光照突变容易导致目标丢失。当背景颜色和目标颜色相近时也易造成目标丢失,因此利用目标的单一特征信息往往很难实现鲁棒的目标跟踪。文章提出基于颜色和LBP多特征mean shift跟踪方法,使跟踪结果不再过分依赖某一特征,增强了对背景变化、目标大范围运动的鲁棒性。

LMCP:用于变化光照下人脸识别的LBP改进方法

LBP算子是在人脸识别和纹理分析领域比较成功的一种方法,但是由于没有考虑像素值之间的对比度,因而丢弃掉了重要的纹理特征。提出了一种LMCP方法,解决了LBP方法的这个缺点。该方法先通过预处理,将光照变化控制在一定范围内,然后求得局部区域中心像素点和邻居像素点之间的对比度值,并将其最大值和最小值之间的值域划分为若干个层次,将每个对比度值映射到某个层次上,再使用LBP类似方法获得若干个数值组合而成的LMCP特征值。此外,还使用了统计映射的方法进行降维。实验结果证明了LMCP方法比LBP方法更加有效。

基于LBP特征和稀疏表示的新生儿疼痛表情识别

面部表情被认为是新生儿疼痛评估的可靠指标。文中提出一种基于加权局部二元模式(LBP)特征描述符和稀疏表示分类器的新生儿疼痛表情识别方法。首先,经归一化后的面部图像采用一个特征向量来描述,这个特征向量是通过串接组合所有局部图像块的LBP特征图的加权直方图所得到的直方图序列。然后,采用主成分分析(PCA)方法对训练样本及测试样本图像的特征向量进行降维。最后,采用基于稀疏表示的分类器将测试样本图像的表情分为4类:平静、哭、轻度疼痛、剧烈疼痛。文中研究目的是通过利用基于计算机的图像分析技术来辅助临床医生评估新生儿疼痛。在新生儿面部图像数据库上进行的实验结果表明了该算法的有效性,表情分类的平均识别率高达84.50%。

基于LBPV的旋转不变纹理分类算法

目前纹理分类算法普遍存在分类率低、耗时长的问题,改进局部二元模式(LBP)直方图算法,引入LBPV算子,结合新的全局匹配穷尽搜索方案,可弥补LBP只提取局部旋转不变纹理特征的不足,采用基于LBP特征估测主方向和特征降维的方法,则可以大大降低计算复杂度。仿真结果表明,相对于传统的LBP特征提取算法,改进的算法具有更高的纹理识别效率。

人脸表情的LBP特征分析

为了有效提取面部表情特征,提出了一种新的基于LBP(局部二值模式)特征的人脸表情识别特征提取方法。首先用均值方差法对表情图像进行灰度规一化,通过对图像进行积分投影,定位出眉毛、眼睛、鼻和嘴巴这些关键特征点,进而划分出各特征部件所在子区域,然后对子区域进行分块,提取各个子区域的分块LBP直方图特征。为了验证所提出的方法的合理性,最后在JAFFE表情库上进行了实验,结果表明提出的方法能够有效地描述表情的特征。