Classification of Gastric Lesions Using Gabor Block Local Binary Patterns

The identification of cancer tissues in Gastroenterology imaging poses novel challenges to the computer vision community in designing generic decision support systems.This generic nature demands the image descriptors to be invariant to illumination gradients,scaling,homogeneous illumination,and rotation.In this article,we devise a novel feature extraction methodology,which explores the effectiveness of Gabor filters coupled with Block Local Binary Patterns in designing such descriptors.We effectively exploit the illumination invariance properties of Block Local Binary Patterns and the inherent capability of convolutional neural networks to construct novel rotation,scale and illumination invariant features.The invariance characteristics of the proposed Gabor Block Local Binary Patterns(GBLBP)are demonstrated using a publicly available texture dataset.We use the proposed feature extraction methodology to extract texture features from Chromoendoscopy(CH)images for the classification of cancer lesions.The proposed feature set is later used in conjuncture with convolutional neural networks to classify the CH images.The proposed convolutional neural network is a shallow network comprising of fewer parameters in contrast to other state-of-the-art networks exhibiting millions of parameters required for effective training.The obtained results reveal that the proposed GBLBP performs favorably to several other state-of-the-art methods including both hand crafted and convolutional neural networks-based features.

An Improved Real-Time Face Recognition System at Low Resolution Based on Local Binary Pattern Histogram Algorithm and CLAHE

This research presents an improved real-time face recognition system at a low resolution of 15 pixels with pose and emotion and resolution variations. We have designed our datasets named LRD200 and LRD100, which have been used for training and classification. The face detection part uses the Viola-Jones algorithm, and the face recognition part receives the face image from the face detection part to process it using the Local Binary Pattern Histogram (LBPH) algorithm with preprocessing using contrast limited adaptive histogram equalization (CLAHE) and face alignment. The face database in this system can be updated via our custom-built standalone android app and automatic restarting of the training and recognition process with an updated database. Using our proposed algorithm, a real-time face recognition accuracy of 78.40% at 15 px and 98.05% at 45 px have been achieved using the LRD200 database containing 200 images per person. With 100 images per person in the database (LRD100) the achieved accuracies are 60.60% at 15 px and 95% at 45 px respectively. A facial deflection of about 30° on either side from the front face showed an average face recognition precision of 72.25%-81.85%. This face recognition system can be employed for law enforcement purposes, where the surveillance camera captures a low-resolution image because of the distance of a person from the camera. It can also be used as a surveillance system in airports, bus stations, etc., to reduce the risk of possible criminal threats.

Palmprint Recognition Based on Statistical Local Binary Orientation Code

A novel coding based method named as local binary orientation code （LBOCode） for palmprint recognition is proposed. The palmprint image is firstly convolved with a bank of Gabor filters, and then the orientation information is attained with a winner-take-all rule. Subsequently, the resulting orientation mapping array is operated by uniform local binary pattern. Accordingly, LBOCode image is achieved which contains palmprint orientation information in pixel level. Further we divide the LBOCode image into several equal-size and nonoverlapping regions, and extract the statistical code histogram from each region independently, which builds a global description of palmprint in regional level. In matching stage, the matching score between two palmprints is achieved by calculating the two spatial enhanced histograms＇ dissimilarity, which brings the benefit of computational simplicity. Experimental results demonstrate that the proposed method achieves more promising recognition performance compared with that of several state-of-the-art methods.

基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogramsequenceoflocalGaborbinarypatterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabormagnitudemap,简称GMM),然后在每个GMM上采用局部二值模式(localbinarypattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.

改进的HOG和Gabor,LBP性能比较

为了实现复杂环境下的人脸特征有效表达,提出一种改进的梯度方向直方图(HOG)人脸识别方法.首先以人脸图像网格作为采样窗口并在其上提取HOG特征;然后将所有网格HOG特征向量进行组合,实现整个人脸特征表达;最后采用最近邻分类器进行识别.另外,比较了该方法与Gabor小波和局部二值模式(LBP)2种著名的人脸局部特征表示方法的优劣.实验结果表明,在调优的HOG参数下,在具有光照和时间环境等复杂变化的FERET人脸库中,较少维数的HOG特征比LBP特征有更好的表现,而且HOG特征提取时间和特征向量维数比Gabor小波方法更具有优势.

基于Gabor滤波器和局部纹理特征提取的SAR目标识别算法

该文提出了一种基于Gabor滤波器和Three-Patch Local Binary Patterns(TPLBP)局部纹理特征提取的合成孔径雷达(Synthetic Aperture Rader,SAR)图像目标识别算法。首先,利用Gabor滤波器对SAR图像在不同方向上进行滤波,增强SAR图像中目标及其阴影的关键特征;然后,利用TPLBP算法对Gabor滤波之后的图像进行局部纹理特征提取,该算法克服了Local Binary Patterns(LBP)算法无法描述大范围领域纹理特征的缺陷,并且保持了LBP旋转不变的特性,减少了SAR图像目标方位变化对识别效果的影响;最后利用极限学习机(Extreme Learning Machine,ELM)分类器实现目标识别。该文通过MSTAR数据库中的3类SAR目标识别实验验证了该算法的有效性。

面向语音情感识别的Gabor分块局部二值模式特征

谱特征在语音情感识别中起到了重要的作用,然而现有的谱特征仍未能充分表达谱图中的语音情感信息。为研究语音情感与谱图之间的联系,提出了一种面向语音情感识别的Gabor分块局部二值模式特征（GBLBP）。首先,获取情感语音的对数能量谱;然后,采用多尺度,多方向的Gabor小波对对数能量谱进行处理,得到Gabor谱图;再次,对每张Gabor谱图进行分块,采用局部二值模式提取每个块的局部能量分布信息;最后,将提取到的所有特征级联,得到GBLBP特征。EMO-DB库及中文语音库上的实验结果表明：GBLBP特征的平均加权召回率比MFCC高了9%~10%,识别性能显著优于众多谱特征,且与现有声学特征有较好的融合性。

采用聚合Gabor核和局部二元模式的烟雾识别方法

针对图像烟雾识别存在高误报率和高错误率的问题,提出一种新的结合聚合Gabor核和局部二值模式(LBP)的烟雾识别方法.首先使用加权平均法生成聚合Gabor核,以减少Gabor核的数目,并将聚合Gabor核和原图像进行卷积,生成聚合Gabor特征图.为了增强分类性能,本文提出了一个自定义比较函数,用于原图像和Gabor特征图的局部二值编码.然后生成3种LBP映射模式的特征,并串联这3种特征得到LBP串联模式特征.最后串联所有的LBP串联模式特征作为原图像的局部聚合Gabor二值模式(LAGBP)特征.与传统方法的比较实验显示,在3个测试集上,本文方法都分别要优于传统方法,且具有最低的错误率;与深度学习方法的比较实验中,本文方法也有很好的表现.实验表明LAGBP方法具有很好的烟雾特征表达能力,非常适用于烟雾识别.

融合Gabor特征二阶局部导数模式的人脸识别

二阶局部导数模式是一种基于一阶局部导数变化的方向性编码方式。相对于局部二值模式,二阶局部导数模式能够提取出图像的更多细节信息。本文提出了一种融合Gabor特征二阶局部导数模式的人脸识别方法。该方法首先利用Gabor滤波良好的空间位置与方向选择特性,采用四个频率六个方向的Gabor滤波器对图像进行滤波。其次,利用数据的类信息和邻接点信息,自适应地计算各频率和方向的权重,作为后续融合依据。然后,提取Gabor滤波图像四个方向的二阶局部导数特征,采用主成分分析方法对各方向的二阶导数特征进行降维。最后,在识别过程中,结合权重信息融合各方向和频率的识别概率得出最终识别结果。实验结果表明本文算法能够有效地提取图像细节信息,较其他方法如主成分分析方法,线性判别式方法,局部二值模式算法和融合灰度二阶局部导数模式算法具有更好的识别性能。

基于Gabor特征融合与LBP直方图的人脸表情特征提取方法

针对Gabor特征全局表征能力弱以及特征数据维数存在冗余的问题,提出了一种采用Gabor多方向特征融合与分块直方图相结合的方法以有效提取表情特征.通过对不同表情的重要特征部位进行细化,采用Gabor滤波器有针对性地提取相关区域的多尺度和多方向特征,并对同尺度的特征进行融合,利用各区域内融合特征的直方图分布来表征图像.该方法可以提高特征提取的准确性,有效突出重要特征的辨识作用,大幅度降低特征的维数,在JAFFE表情库可以达到100%的识别率.

基于局部Gabor二进制模式的高光谱伪装目标图像分类(英文)

为提高光谱伪装目标图像分类精度,提出了一种基于局部Gabor二进制模式(LGBP)的空间分类方法。LGBP作为一种多尺度算法,被用来提取高光谱图像的纹理特征。然后高光谱图像中的每一个像元可以用一个光谱特征向量及一个纹理特征向量表示。通过这种方法,增大类间距离。最后使用多核支持向量机结合光谱信息和空间纹理信息实现对高光谱伪装目标图像的分类。实验证明了该方法的有效性,分类总体精度和Kappa系数分别达到了95.6%和0.937。所提出的方法对于提高分类精度及鲁棒性具有重要意义。

基于多通道Gabor滤波与CS-LBP的人脸识别方法

近来,局部二值模式(Local Binary Pattern,LBP)在人脸识别中取得了成功应用。然而,LBP提取的特征维数通常很高。而中心对称局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)采用中心对称思想对图像进行编码,能够显著降低提取的特征的维数。为此,将CS-LBP应用于人脸图像特征提取,并结合多通道Gabor滤波,提出了基于多通道Gabor滤波与CS-LBP的人脸识别算法。在Yale,ORL,FETER标准人脸库上的实验结果表明,相比局部二值模式,CS-LBP以提取更少的特征维数取得了相当的识别率,并且,基于多通道Gabor滤波的CS-LBP能显著提高识别精度。

基于Gabor小波和局部二值模式的步态识别

利用步态对个人身份进行识别已经受到越来越多生物识别技术研究者的重视。步态能量图(GEI-Gait Energy Image)是一种有效的步态表征方法,Gabor小波能提取不同方向、不同尺度空间频率特征,因此,首先利用Gabor小波提取步态能量图不同方向、不同尺度的信息,得到其幅值谱图,再利用LBP来提取Gabor幅值谱图的局部信息,相对于LBP直接作用于步态能量图,能提取步态能量图更多方向、更多尺度的局部特征。最后,利用具有良好降维和辨识能力的辨识共同向量(DCV-Discriminant Common Vector)对提取的LBP特征进行维数约减和特征选择,只需利用简单的最近邻分类器就能取得较好的识别效果。该算法在中科院自动化所的CASIA数据库上面进行试验取得了较高的正确识别率。还针对步态识别中的小样本问题提出了一种样本扩充方法,解决了步态识别中的小样本问题,并提高了算法的识别率。

基于二维多尺度局部Gabor二进制模式特征的表情识别

为了在独立于个体身份的面部表情识别中取得更加理想的效果,提出了一种基于二维多尺度局部Gabor二进制模式(MB-LGBP)特征的识别方法。对于表情识别而言,MB-LGBP已被证明了是一种局部和整体上都具有很强表征能力的描绘子。将MB-LGBP与灰度共现矩阵(GLCM)结合起来得到了可以更好地描述局部纹理空间结构特性的二维MB-LGBP特征。在识别中,分别选择了支持向量机(SVM)和基于卡方距离的K-最近邻(KNN)分类器,并对结果进行了比较。实验结果证明了二维MB-LGBP特征相比于MB-LGBP以及其他一些主要的表情识别特征的优越性。

基于局部二元模式Gabor小波变换的人脸识别

将局部二元模式(LBP)与Gabor小波变换相结合,用LBP算子对Gabor特征幅值的邻域变化进行编码,并用直方图分析LBP编码后的局部变化属性,这样避免了因下采样造成的信息损失,同时又通过直方图统计达到了降维的目的。实验结果表明,该方法结合了LBP与Gabor变换的优点,增强了直方图的鉴别能力,又能有效降低维数,取得了较理想的识别效果。

一种基于Gabor滤波器组和LBP的多特征联合SAR纹理图像分类方法

实现能够使先进飞行器根据获取的图像自动识别不同的地貌景物,是一种具有实际应用前景的技术需求。提出了联合Gabor滤波器组和局部二值模式来对SAR纹理图像进行分类的新方法SARICIT(SAR Image Classification using Inquiry Table)。首先对第一套带类标的训练图像集提取两种特征,分别使用的基于非监督和监督模式相融合的混合神经网络分类器进行训练,然后使用第二套带类标的训练图像集制作二维分类信息查询表,记录两种分类器对每一幅图像的判断结果。在实际进行分类阶段,对新图像提取Gabor和LBP两种纹理特征,输入训练好的分类器。根据两种分类器给出的类型响应,结合查询表,使用一种投票的机制来确定待分类的图像的纹理属性。通过对真实SAR图像的实验结果表明,与流行的单独使用一种纹理特征进行分类相比,新方法能够对SAR图像纹理做到更准确的分类,对雷达图像更具有适用性。

基于Gabor和二值叠加CS-LBP特征的人脸表情识别

在表情识别中Gabor结合局部二值模式(LBP)的特征提取方法以及直方图统计降维虽然是较为局部化的方法,但LBP鲁棒性较差,识别精度不高,而且使用直方图统计来区分表情,其计算复杂度和特征维数依旧较高。中心对称局部二值模式(CS-LBP)与LBP相比具有较好的鲁棒性,但其对表情纹理细节的描述仍不够详细。因此提出基于Gabor结合改进的CS-LBP即二值叠加中心对称局部二值模式(二值叠加CS-LBP)的特征提取方法。用Gabor提取特征,同时用两种计算方式提取两个特征值并叠加,作为最终识别的特征;并通过离散余弦变换(DCT)降维,有效降低表情的特征维数。在JAFFE表情库中实验验证了该方法能有效提高识别精度。

中国象棋自动打谱方法研究

针对现存象棋打谱方式繁琐、成本较高的问题,提出了一种基于机器视觉的象棋自动打谱方法。对图像进行预处理后,首先结合二值化与连通区域搜索进行人手遮挡检测,随后采用Hough圆检测、字符矩阵等方法对棋子进行定位,接着将棋子分为红黑两方,并利用局部二进制模式直方图(local binary pattern histogram,LBPH)算法实现棋种识别,最后通过动态识别棋子移动路径,根据行棋规则生成着法。选取50局象棋比赛录像进行测试,结果表明,该方法在识别准确率达到99%的前提下,1 s内可对5帧图像进行处理与识别,且对50个视频识别得到的棋谱正确率均为100%,可以完全满足各类型对局的打谱需求。

基于Log-Gabor滤波和LBP算子的光照不变人脸识别方法

提出了一种基于Log-Gabor滤波和局部二值模式(local binary patterns,LBP)算子的光照不变人脸识别方法.该方法首先对人脸图像进行对数变换预处理,有效改善剧烈光照变化对人脸图像的不利影响.然后采用Log-Gabor滤波器与图像进行卷积,得到不同尺度和不同方向下的人脸Log-Gabor特征图像.在此基础上,再使用LBP算子对Log-Gabor图像进行描述,最后将所有的Log-Gabor图像的LBP特征进行简单连接,作为人脸的特征向量.将所提出的方法在YaleB数据库上进行实验,实验结果表明该方法能够有效提高复杂光照条件下的人脸识别率.

基于Gabor小波变换复频域响应的人脸识别研究

介绍了Gabor小波变换的基本原理,利用幅值和相位信息,结合描述局部特征的提取方法,使高维数据能被有效处理,最后通过合适的判别标准进行识别比对,在ORL,Feret等人脸库上得到较好的识别率。