基于ST-CSLBP的混合时空背景建模算法

针对背景建模方法对场景光照变化较为敏感,提出融合时间预测和空域纹理信息设计全新的时空-对称ST-CSLBP算子,构建基于ST-CSLBP直方图的混合时空背景模型,融合时域分布统计法和空域背景各自的优势,以同时适应长时光照以及短时的光照变化。实验表明,该算法与现有背景建模算法相比,具有较好的准确率和检索率。

基于CSLBP的轴承信号时频特征提取方法

针对滚动球轴承振动加速度信号特征提取问题,提出一种基于中心对称局部二值模式(center-symmetric local binary pattern,简称CSLBP)的时频特征提取方法。首先,利用广义S变换对滚动球轴承振动加速度信号进行处理,通过采用时频聚集性度量准则自适应地确定广义S变换的调整参数,从而获取时频分辨性较好的二维时频图;然后,计算二维时频图的CSLBP,提取CSLBP纹理谱描述滚动球轴承振动加速度信号的时频特征。对滚动球轴承正常、外圈故障、内圈故障和滚动体故障4种不同状态的振动加速度信号进行了研究。结果表明,CSLBP纹理谱能有效地表达滚动球轴承振动加速度信号的时频特征,与局部二值模式(local binary pattern,简称LBP)和统一模式LBP纹理谱相比,CSLBP纹理谱具有特征维数低和区分性能好的优点。

基于多种LBP特征集成学习的人脸识别

单一的特征与分类器只能对限定条件下的人脸进行较好的识别,当在非限定条件下(如光照、背景等发生变化时)将出现人脸识别率较低问题。针对该问题,提出了一种基于多种局部二进制特征集成学习的人脸识别算法。使用SDM(supervised descent method)算法对人脸特征点定位,应用CSLBP算子提取每个特征点邻域特征,将所有人脸特征点邻域特征合成为精细的纹理特征;同时运用分区LBP直方图算法提取人脸区域的微观空间结构特征,再使用KNN和SVM分别训练这两种特征,得到类别排序列表和投票决策矩阵;最后利用加权求和的规则融合决策矩阵,构成最优集成分类器,从而得到输出类别。通过在非限制性人脸库LFW上的实验结果表明,所提算法采用集成的方法明显优于单一的特征和分类器。

基于多种LBP特征集成学习的车标识别

针对车标图像的分类难问题,提出基于多种LBP 特征集成学习的车标识别算法。利用车牌与车标的相对位置关系粗定位车标区域;根据车标背景纹理特征使用不同的算子进行边缘检测,进而实现背景消融,采用投影方法精确确定车标位置;将车标图像分块,应用CSLBP 算子提取每个像素点邻域特征,将车标所有像素点邻域特征合成精细的纹理特征,运用LBP 直方图算法提取车标区域的空间结构特征,再采用SVM和BP 分别训练这两种特征,得到投票决策矩阵,利用加权求和的规则融合决策矩阵,构成最优集成分类器,输出车标类别。实验结果表明,该算法的识别率明显优于单一的特征和分类器。

基于DCT和修正CSLBP的局部特征描述子

为了更好地兼顾特征描述子的鲁棒性和维数,提出了一种基于离散余弦变换(DCT)和修正中心对称局部二值模式(CSLBP)的局部特征描述子.综合利用了修正CSLBP算法的快速性、亮度不变性、旋转不变性和DCT算法的去相关性、能量集中性、可分离性.首先利用Hessian-Affine算子进行区域检测并进行规范化处理,然后在局部旋转不变坐标系下计算CSLBP描述子,最后应用DCT压缩该修正的CSLBP描述子,得到了一种64维的局部特征描述子.实验结果表明:提出的描述子在图像模糊变换、视角变换、仿射变换、线性亮度变化和JPEG压缩变换下具有良好的性能,特别对于纹理信息较强的图像序列集有更好的效果,而且该描述子生成和匹配速度都较快,适用于实时性要求较高的应用.