基于改进WLD的纹理特征提取方法

在纹理分类应用背景下,原始韦伯局部描述符(WLD)对纹理模式区分能力有限。针对该问题,提出一种基于正负梯度改进的WLD(WLD-PNG)。利用局部窗内像素点间灰度变化的正负梯度构建纹理特征描述符,通过分离计算正负梯度的差分激励算子,保留灰度等级变化的正负性信息,以增强纹理模式的可区分性,运用均匀局部二值模式(u LBP)提取灰度等级变化的空间分布结构信息,并提高纹理模式的识别能力,使用均匀量化和编码技术将差分激励算子与u LBP结合,从而描述图像的纹理特征。在Brodatz和KTH-TIPS2-a纹理库上进行对比实验,结果表明,与原始WLD,u LBP,WLD+u LBP及已有改进的WLD等方法相比,WLD-PNG在提高纹理分类性能的同时,具有较好的稳健性和较低的计算复杂度。

基于2D-WLDH的最大熵阈值分割算法

在传统二维最大熵图像阈值分割算法中,二维直方图主对角区域的概率和近似为1的假设不够合理,且算法耗时较多。为此,提出一种新的最大熵分割算法。根据灰度级和韦伯局部描述子(WLD)建立二维WLD直方图(2D-WLDH),将其用于最大熵的阈值分割,并设计快速递推算法,以提高运行速度。实验结果表明,该算法的运行时间较少,分割效果较好。

基于改进WLD描述子的行人检测方法研究

近年来,行人检测研究受到越来越多的关注。提出一种使用改进的Weber局部描述子(IWLD)实现行人检测的方法,该方法有效地吸取HOG和Weber局部描述子方法的优势。将提出的IWLD用来刻画滑动窗口,从而实现行人检测。在INRIA行人数据库上的实验结果验证提出的IWLD检测子的有效性,与传统的行人检测方法(HOG和HOG-LBP)比较,该方法更优。

改进型WLD与LBP特征融合的行人检测

为提高行人检测的识别率,提出一种基于改进型韦伯局部描述子(WLD)和局部二元模式(LBP)的特征融合方法进行行人检测。对图像进行二维离散Haar小波变换得到4个不同频率的子图像,对其中1个低频部分提取WLD特征,对3个高频部分提取LBP特征,并将各个子图像的特征串接为1个向量,得到WLD-LBP特征。在INRIA Person数据集上利用SVM作为分类器进行测试,实验结果表明,与单独WLD特征、梯度方向直方图(HOG)特征、PHOG特征以及HOG-LBP特征融合方法相比,该方法的识别率最高,可达98.1%,并且对光照和噪声也有较好的鲁棒性。

基于改进的WLD特征的人脸识别

对WLD特征进行改进。改进的特征提取方法为:首先将原始人脸图像划分为若干个子块,然后提取每块图像的WLD直方图统计特征,其中的梯度方向是用Prewitt算子计算的,最后将所有分块的WLD直方图序列连接起来构成特征向量。为了验证改进特征的性能,用支持向量机进行人脸识别,人脸图像取自ORL和YALE人脸数据库。实验结果表明,采用改进后的特征可以显著提高人脸识别率。

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。

峰值皮层模型耦合Weber局部描述符的图像融合算法

为了解决当前医学图像融合(Medical Image Fusion, MIF)方法易产生伪影,丢失部分图像细节,以及对比度较低的问题,本文提出了一种新的峰值皮层模型(Spiking Cortical Model, SCM)耦合WLD (Weber Local Descriptor)的图像融合算法.首先,通过SCM对源图像进行分解,获得不同的二进制脉冲图像;其次,利用输出脉冲图像生成点火映射图像,并构建了SCM脉冲输出点火数量的融合准则;然后,结合SCM脉冲输出的信息熵与点火映射图像的Weber局部描述这二者的相似性来计算融合权重,完成图像融合.通过实验表明:与当前常用的MIF算法相比,本文所提算法具有更好的视觉效果,其融合图像质量与对比度更高,同时,在客观评价标准IE,MI,AG,SSIM方面也具有更大的优势,有效地保持了源图像的有效信息.

基于显著性区域检测及IWLD特征的快速行人检测

近年来,行人检测研究受到了越来越多的关注。提出一种基于显著性检测与改进Weber局部描述子(IWLD特征)的快速行人检测方法,该方法有效地结合显著性区域检测及IWLD特征的优势。采用显著性区域检测提取显著图,并进行感兴趣区域提取,然后采用IWLD用来刻画滑动窗口,从而实现行人的快速检测。实验结果表明,基于显著性区域的行人检测方法大大地加快行人检测的处理速度。

基于韦伯局部特征的图像拼接检测

图像拼接是最常见的图像篡改和伪造手段之一。提出了一种基于离散余弦变换(Discrete Cosine Transform,DCT)域中韦伯局部特征(Weber Local Descriptor,WLD)的图像拼接检测算法。算法对待测图像进行离散余弦变换,得到DCT系数矩阵,进而提取WLD特征,以刻画图像的频率分布特性。采用支持向量机(Support Vector Machine,SVM)作为分类器,建立预测模型,从而判定图像是否经过拼接。实验采用标准的图像拼接数据库对所提算法进行了评估。实验结果表明:与经典拼接检测算法相比,该算法具有更好的检测性能。

基于韦伯局部描述子和颜色直方图的鳞翅目昆虫翅图像特征描述与种类识别

【目的】本研究旨在探索使用计算机视觉技术实现对昆虫图像的自动分类方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景,分割出双翅,并对翅图像的位置进行校正。然后把校正后的翅面沿翅伸展的纵向和切向分成4个区域,对每个区域提取WLD(Weber Local Descriptor)和Ho C(Histogram of Color)特征并归一化。WLD在灰度图像上提取,反映了翅图像的局部纹理特征。Ho C则在HSI(Hue,Saturation,Intensity)颜色空间的彩色图像上提取,反映了每个区域的颜色分布信息。将双翅的各个区域的WLD和Ho C按序连接后,得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM(Support Vector Machine)分类器,最后使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的独立预测精度,并有理想的时间性能、鲁棒性及稳定性。【结论】实验结果证明了WLD结合Ho C是一种有效的鳞翅目昆虫图像特征描述方式。

采用韦伯局部特征的道路消失点检测

为了减少非结构化道路检测中背景噪声的干扰,提出了采用韦伯局部特征(WLD)的道路消失点检测模型。该方法利用WLD模型中的差分激励分量从复杂背景中提取图像的有效区域,并通过WLD模型中的方向分量以及线型投票模式确定道路消失点的位置。实验结果表明,该方法与具有代表性的几种方法相比运算量更小、精确度更高。

基于双Gabor方向韦伯局部描述子的掌纹识别

该文结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU,MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验的结果表明,与其它局部描述子和已有改进的WLD方法相比,该文方法具有更高的识别率和更低的等错误率。

WGC特征描述的人脸表情识别

针对韦伯局部特征(WLD)仅计算中心像素与周围像素差异提取特征的不足,提出了一种韦伯梯度编码(WGC)特征描述的人脸表情识别算法。首先计算当前像素点周围水平、垂直和对角位置上的数值差与当前像素点的差异构成WGC特征的差动激励;然后进一步提出基于水平和对角线优先原则的WGC_HD特征;最后利用最佳分块方式得到行分块WGC_HD特征,采用自动优化参数的SVM分类器完成人脸表情识别。在公共人脸表情库JAFFE和CK库上进行交叉实验,平均识别率及平均特征提取时间分别为95.49%、12.30 ms和97.63%、31.54 ms。行分块WGC_HD特征考虑了不同梯度方向的像素差异,较好描述了表情图像的局部结构信息且具有较低的时间复杂度,与目前典型的表情识别算法结果对比也验证了算法具有较高的识别精度。

一种融合多模式韦伯局部特征的人脸识别方法

在分析韦伯局部算子的基础上,提出一种融合多模式韦伯局部特征的人脸识别方法.该方法先用韦伯算子提取人脸图像的差分激励和方向,对差分激励进行方向累积分解,在差分激励方向累积图像上用局部二值方法提取累积图像的特征,然后对方向进行差分求取韦伯方向差分二值编码,并串接差分激励特征和韦伯方向特征,然后用基于分块的线性判别进行降维,最后计算余弦相似度.在ORL和CAS-PEAL人脸库上,实验结果表明,该方法识别性能优于基于特征脸的人脸识别和基于Gabor滤波的人脸识别方法.该方法不但计算复杂度和空间复杂度大幅减少,而且能够有效提取图像的可区分特征,提升系统的识别性能.

融合时空特征的视频序列表情识别

针对视频表情识别,静态特征不能有效描述人脸区域沿时间轴动态变化信息的局限,该文提出一种融合动态纹理信息和运动信息的表情识别方法,借鉴LBP-TOP原理,提出具有时空域描述能力的时空韦伯局部描述子(STWLD)来提取动态纹理信息,同时采用分块光流直方图(BHOF)描述运动信息,最后利用SVM对融合后的纹理和运动信息完成表情分类。在CK+和MMI表情数据库上的交叉实验结果表明,相比基于单一特征的识别方法,所提方法取得了更好的效果;与其他相关方法的对比实验也验证了该方法的优越性。

人体下肢应激微反应自动识别

由于现有的动作识别方法不能直接用于人体微反应动作识别,本文基于人体下肢微反应动作特点,构建了一种时空金字塔韦伯局部描述子并设计了基于字典学习的人体下肢微反应自动识别算法。该方法利用时空金字塔韦伯局部描述子提取每一类人体下肢微反应动作特征,使用主成分分析法对特征降维;然后,建立每一类动作子字典并将子字典串联形成总的动作字典;最后,通过实验分析了金字塔级数L,降维后每类动作特征维数d_(PCA),每类动作子字典原子个数n_(Atom),以及稀疏阈值C等参数对识别结果的影响,并确定最优参数值L=3,d_(PCA)=30,n_(Atom)=40,C=10。实验结果表明,提出的算法对10种人体下肢微反应动作的识别率均在0.83~0.91之间,平均识别率达到0.86,高于其他动作识别算法。设计的算法更适用于人体下肢微反应动作分类,并可有效提高分类识别率。

纹理与边缘相结合的单样本人脸识别

针对传统人脸识别方法在单样本条件下受姿态、表情、遮挡和光照影响识别效果不佳等问题,提出一种改进的纹理特征和边缘特征相结合的人脸描述算子ε-WLBD(ε-Weber Local Binary Descriptor)。先用改进的局部二值模式和改进的Kirsch算子进行纹理特征和边缘特征提取,然后分别进行直方图统计,并将其串接起来作为人脸识别的总体特征向量,最后利用最近邻算法进行分类识别。在YALE和AR人脸库上进行测试,实验结果表明所提方法简单有效,且对姿态、表情、遮挡和光照等变化具有较强鲁棒性,对单样本人脸描述具有较好的效果。

基于运动韦伯和局部约束的稀疏表示暴力检测

针对视频监控场景中的暴力行为问题,提出一种基于局部约束的稀疏分类模型和运动韦伯特征相结合的暴力检测方法。利用高斯滤波对输入视频去除一些噪声,提取出运动韦伯特征;提出改进的稀疏分类模型用于特定类字典的学习,引入基于局部约束的表达约束项和系数调整项用于提高模型的判别性;提出相应的分类机制用于对视频中的暴力行为进行分类。结果表明,提出的特征具有较强的判别性,且提出的基于局部约束的稀疏分类模型非常有效。

信息熵和差分激励融合的图像拼接检测

传统的检测方法存在识别率低、特征维度高的缺点,为此对特征维度与拼接检测精度之间的关系进行分析,基于以像素为基础的改进特征维度的思想,提出一种信息熵与差分激励融合的图像拼接检测方法。提取图像信息熵和韦伯局部特征中(Weber local descriptor,WLD)的差分激励,采用差分直方图进行特征融合,使用v-SVM(v-support vector machine)分类器建立模型,判定图像是否经过拼接。实验结果表明,在哥伦比亚图片库拼接检测中,相比传统的马尔科夫特征、韦伯局部特征等算法,该方法的检测结果具有特征维度低、检测精度高、应用范围广的优点,为快速拼接检测提供了依据。

基于词包模型的高分辨率SAR图像特征提取

特征提取在图像处理中是重要的一环,传统的特征提取算法已无法满足高分辨率图像的要求。研究运用高分辨率SAR图像的词包模型特征提取算法,旨在进一步优化对高分图像的解析。首先通过SIFT算法提取图像关键点,再对关键点进行特征向量提取。在词包模型的特征向量提取中,将边缘算子和WLD描述子作为新的特征向量加入词包模型中,以此提高特征分析对于边缘检测能力以及减少光照差带来的影响。通过对什邡城区SAR图像实测数据的特征提取和分类实验,证明新的词包模型算法具有更好的稳定性和有效性。