基于HSV颜色与LBP纹理特征的水稻氮素营养诊断

为了快速便捷实现水稻氮素营养诊断识别,提出一种基于叶片HSV颜色与LBP纹理直方图特征相结合的水稻氮素营养诊断识别方法。以‘中嘉早’稻种为试验对象进行早稻田间试验,设置4个施氮水平。通过相机拍摄水稻分蘖期顶三叶叶尖部位的图像,利用图像处理技术分别获取每片叶片叶尖部位图像的HSV颜色特征,并改进LBP算法,利用中心点5×5范围像素灰度均值替代中心点像素灰度值作为阈值,提取得到mean_LBP纹理特征。将H、S、V颜色直方图和mean_LBP纹理直方图特征进行量化、归一化、串连合并为1024个分量的一维特征向量,经PCA降维后,分别应用GS_SVC、BP、KNN以及RF方法构建水稻氮素营养诊断识别模型。实验结果表明,改进mean_LBP纹理特征与HSV颜色特征相结合的叶尖部位图像在网格搜索参数寻优支持向量机模型(GS_SVC)的识别准确率达到95.23%,优于其他模型的诊断结果。叶尖在水稻氮素营养诊断过程中具有敏感性,且图像HSV和LBP特征获取不受主观因素影响,表明本文方法具有良好的普适性、可靠性,可为水稻等作物的营养准确诊断提供一种新的可行方法。

复杂背景下基于LBP纹理特征的运动目标快速检测算法

在雨雪天气、树叶晃动、水面闪烁等有复杂背景的可见光与红外场景中,快速准确地提取完整目标一直是运动目标检测中的首要难题。为了满足实时性,并针对现有视频的前景提取算法依赖先验信息、召回率低、缺乏纹理和噪声较大等问题,提出了一种基于直方图统计和改进的局部二值模式(Local Binary Pattern,LBP)纹理特征相结合的背景建模方法。首先,使用各像素直方图的众数作为参考背景,无需先验知识,节省了大量存储空间,再采用邻域补偿策略提出了一种改进的S_MBLBP纹理直方图与参考背景进行背景建模,消除了大部分动态背景和光照变化影响,实现目标的精确提取。实验表明,所提的算法在红外和可见光的多种复杂场景下,能快速提取前景目标的同时,提高了准确率和召回率。

融合LBP纹理特征与B2DPCA技术的手指静脉识别方法

鉴于传统局部二进制模式(local binary pattern, LBP)算法对光照方向的变化非常敏感的问题,本文提出一种融合旋转不变模式的 LBP算子与 B2DPCA技术的手指静脉识别方法。首先提取手指静脉图像子块的LBP纹理谱特征,然后采用双向二维主成分分析方法对 LBP特征向量构成的特征矩阵进行有效的降维处理,再通过比对降维后的待识别静脉图像特征向量与其他样本的特征向量之间的欧式距离来实现最终的样本分类。通过在天津市智能实验室静脉库及马来西亚理科大学 FV-USM静脉库上进行实验验证,在不同训练样本数量下比较了 8种算法的识别性能,相比于单一的 LBP特征提取算法、经典降维算法和 LBP与经典降维组合特征提取算法,该方法的识别率有很大的提高,证明了本文方法的有效性。

一种基于纹理特征的红外成像目标跟踪方法

提出了一种基于LBP(Local Binary Pattern)纹理特征的红外成像目标跟踪方法,将LBP纹理特征集成到了核跟踪方法中.根据目标各区域对背景的区分能力不同,提出了目标各区域置信度的评价方法,用基于区域置信度及空间距离核加权的LBP特征概率密度函数,构造了目标及候选目标的特征模型.通过相似性度量,利用均值漂移方法实现了基于纹理特征的红外成像目标跟踪.实验结果验证了该算法在红外成像目标跟踪中较基于灰度的均值漂移跟踪算法更为鲁棒.

融合LBP特征与LSH索引的鞋印图像检索

融合局部二值模式(LBP)纹理特征与局部敏感哈希(LSH)索引方法,给出一种大规模鞋印图像快速检索方法。首先,提取鞋印图像的旋转不变LBP特征,用于描述鞋印的底层视觉特征;然后,采用LSH方法为鞋印库中的图像建立索引结构,以实现快速检索。在包含有多种尺度与旋转变化的6万幅鞋印图像库中进行实验,TOP30检索正确率达到91.6%,且在检索速度方面,较之传统的线性搜索方法提高10倍。

融合颜色与纹理特征的粒子滤波目标跟踪

针对采用单一颜色特征的粒子滤波目标跟踪算法在背景相似、光照变化复杂的场景下会导致跟踪失败的问题,提出一种基于LBP纹理和颜色特征融合的粒子滤波跟踪目标算法。综合加权颜色直方图和LBP纹理直方图进行目标特征描述,建立目标观测模型;同时粒子滤波进行状态预测,利用Bhattacharyya系数进行相似度测量,作为目标区域参考模型更新准则,实现权值更新;最后对权值归一化处理,得到目标位置状态的最终估计。实验结果表明该算法不仅提高了跟踪方法的鲁棒性,而且在目标遮挡、光照变化等干扰下,具有较好的准确性。

基于区域提取与改进LBP特征的运动目标检测

树叶晃动、光照变化等自然场景下的动态背景会影响运动目标检测的准确性,区分动态背景和前景目标的变化是复杂场景下运动目标检测的首要任务。针对现有的前景提取算法逐点提取前景从而导致计算资源浪费的问题,提出了一种区域提取与改进LBP(Local Binary Patterns)纹理特征相结合的运动目标检测算法。首先,将图像分为大小相等的图像块,利用各图像块的统计特性建立核密度估计(Kernel Density Estimation,KDE)模型,并用KDE模型估计出前景区域。然后,计算前景块中所有像素点的改进LBP纹理特征直方图。最后,通过直方图匹配提取所有的前景像素实现目标的精确提取,并用概率模型更新背景。实验结果表明,该方法在快速提取运动目标前景区域的同时能够消除大部分动态背景产生的干扰,相比传统算法更适用于自然场景下的运动目标检测。

基于纹理特征的穿梭分析系统动物检测算法

引入图像处理技术对实验动物进行穿梭分析是定量测定动物行为学改变的重要手段.本文针对穿梭实验箱底部的构造特点,提出采用LBP纹理特征构建背景模型的方法来检测实验动物;首先计算实验箱底部图像的LBP纹理特征,并以该特征构建背景模型,进而分析实验动物进入实验箱后的纹理特征图像并利用背景差分法获取前景目标,最后通过对前景图像进行两次投影得到实验动物的中心坐标,从而完成目标检测.实验结果表明该方法充分考虑了实验动物和实验箱在纹理特征上的区别,可以实时可靠地完成实验动物的检测和定位.

基于混合特征提取的PatchMatch图像风格迁移算法研究与应用

图像风格迁移算法是当前计算机视觉领域的研究热点。传统图像风格迁移算法通常从风格图中采集纹理并将其迁移到内容图中,该类算法在对色彩与纹理较为复杂的图像进行处理时,合成效果不理想,且运算速度较慢。随着人工智能技术的不断发展,图像的艺术风格化已可使用卷积神经网络完成。但如何实现参数的合理调整,以及如何简化预训练模型,该类算法仍存在一定的局限性。为解决上述问题,文章提出基于颜色特征,基于LBP纹理特征,基于结构张量特征的混合特征提取新算法,并结合运用PatchMatch算法来解除这些限制,最终进一步通过GPU实现实时的图像风格迁移算法。

基于纹理特征的自适应SLIC超像素分割算法

由于简单线性迭代聚类算法(Simple Linear Iterative Cluster,SLIC)只考虑了颜色和空间信息导致分割不准确且边界附着度不高,且人工预设的超像素块数也会影响后续分割效果,提出了一种基于纹理特征的自适应SLIC超像素分割算法。先使用图像复杂度衡量图像分割的难易程度,根据自适应计算合适的图像分割块数,再基于SLIC算法把局部二值模式(Local Binary Patterns,LBP)纹理特征纳入相似性度量,提高SLIC算法分割精度。实验结果表明,本文方法与SLIC算法相比有更高的评价指标。

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.

基于特征融合的WCE图像检索

无线胶囊内镜(WCE)是一种新型的、具有极大市场价值的肠道疾病检测技术。该技术产生的图像数据量极大,为医生开展疾病诊断带来了困难。WCE图像快速检索技术是WCE后端智能图像分析软件的基本功能之一。本文针对WCE图像中相似图像的快速检索问题开展研究。通过对大量WCE图像本身特征的分析,提出了一种融合颜色特征与纹理特征的图像检索算法。首先分别提取图像的色调饱和度二维相关直方图以及图像的局部二值模式(LBP)纹理特征,然后采用高斯归一化的方法对不同的特征进行融合,最后采用融合特征为待检索图像建立索引,实现了输入目标WCE图像的快速准确查找。实验结果表明本文所提方法计算复杂度低和检索结果良好。

多特征融合下的快速行人检测

文章根据头顶像素点的梯度方向具有固定范围的特性在前景中找出头顶候选点,依此快速确定人体头肩部区域,将其作为待测窗口;然后提取待测窗口的照度不变性色彩特征与旋转不变性LBP纹理特征,并通过引入背景权重直方图算法(BWH)实现多特征融合;最后采用直方图交叉核支持向量机(HIKSVM)进行分类检测。实验结果表明,与传统的滑动窗口搜索方法相比,根据头顶点可以快速选取含有人体头肩部的待测窗口,提高了检测的效率;HSV和LBP多特征融合提高了检测的精确性,本文方法对于复杂动态场景、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。

基于特征融合的红外目标跟踪方法

为了能够对红外目标实现稳健跟踪,提出一种特征融合算法,将目标的LBP纹理特征和灰度特征空间融合,构造了由基于区域置信度及空间距离加权的LBP特征直方图,以及灰度加权直方图联合表示的目标模型。以均值偏移算法为跟踪框架,在当前帧中迭代搜索目标位置。实验证明该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的。

基于视频区域动态特征的林火烟雾检测技术研究

【目的】视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。【方法】以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。【结果】利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。【结论】本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位烟雾发生区域,排除部分干扰因素,检测识别率平均达到92%以上,有助于实时林火烟雾自动检测,提高林火烟雾检测率,具有很强的实用性。

基于超像素与特征改进的Grab cut前景分割

Grab cut算法在分割图像时需要的交互量少且分割精度高,但效率偏低。使用SLIC超像素算法作为预处理可以明显提高Grab cut算法的效率,但是,在前景与背景颜色特征相差不大的情况下分割精度较低。针对这个问题,提出一种基于超像素与特征改进的Grab cut算法。利用SLIC算法预处理图像,计算超像素的颜色特征和纹理特征,最后将这两种特征乘以权重得到新的边界项,代入能量函数计算最小割。实验表明,改进的算法在时间和精度上都有很好的性能。

基于LBP改进的MeanShift高分辨率遥感影像分割方法

MeanShift算法广泛应用于自然场景图像和医学图像分割中,针对MeanShift算法分割遥感图像的边界模糊和精度不高的问题,文中提出一种全新的基于LBP纹理特征的MeanShift遥感图像分割方法。首先加入LBP纹理特征于MeanShift遥感图像分割过程中,并对分割后区域采用区域面积加权的区域相似度准则和最小对象面积参数对遥感影像进行区域合并。实验结果表明:本方法相比传统的MeanShift遥感影像分割方法能得到更好的分割效果。

融合特征下高分辨率遥感图像拼接算法研究

本文深入研究了基于SIFT特征点的遥感图像拼接算法,并针对传统灰度图上提取到的SIFT特征点在高分辨率光学遥感图像的拼接上效果不佳,进行了一定的改进。改进算法在融合Sobel边缘特征和LBP纹理特征的融合特征灰度图上提取SIFT特征点并进行拼接。实验结果表明,融合特征灰度图上提取到的SIFT特征点更有利于进行高分辨率光学遥感图像的拼接,提升了拼接精度并减少了拼接时间复杂度,有较强的实践意义。

根据人脸图像快速预估年龄

目的为了提高人员信息库的结构化效率、实现对监控视频中重点嫌疑人群的监控预警需求,研究根据人脸图像快速预估年龄的方法。方法基于LBP局部纹理提取与Gabor滤波器的设计原理,借助matlab的COD视觉系统工具箱、VLFeat图像处理函数库与支持向量机SVM分类器对年龄预估方法进行仿真实验。结果仿真年龄预估方法与人工目测相比,提升了人脸图像年龄预测的速度和成功率。结论所建立的基于人脸图像的年龄自动预估方法简单可靠,推广性高,对户籍人口信息库、重点人员库等平台信息的结构化等都能起到良好的辅助作用。

基于温度场云图的储粮数量监控方法研究

为保障储备粮按照计划进出仓库,同时减少储粮监管与稽核的工作量,该文提出了基于温度场云图RGB颜色特征的储粮监管方法。调用历史粮温数据并进行预处理,生成粮堆各平面温度场云图,利用温度场云图的RGB颜色特征分布计算云图的相似度,据此设定异常判定阈值,计算相邻时间粮堆各平面云图的相似度,依据阈值进行异常检测,从而实现储粮监管。同时该文通过模拟5种粮堆异常情况,进行了模拟检测试验,并与基于温度场云图LBP纹理特征的检测算法进行对比,结果显示:基于温度场云图RGB颜色特征的算法平均查全率、平均查准率、运算速率均优于基于云图LBP纹理特征的算法,分别为98.6%、97.3%、320 ms/次。进行了储粮监管检测试验,结果表明,该方法不仅能够应用于储粮数量的监管,也能够检测出粮堆局部发热。该研究结果为储粮数量监控方法的提出奠定基础。