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.

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。

Facial expression recognition with contextualized histograms

A new algorithm taking the spatial context of local features into account by utilizing contextualized histograms was proposed to recognize facial expression. The contextualized histograms were extracted fromtwo widely used descriptors—the local binary pattern（ LBP） and weber local descriptor（ WLD）. The LBP and WLD feature histograms were extracted separately fromeach facial image,and contextualized histogram was generated as feature vectors to feed the classifier. In addition,the human face was divided into sub-blocks and each sub-block was assigned different weights by their different contributions to the intensity of facial expressions to improve the recognition rate. With the support vector machine（SVM） as classifier,the experimental results on the 2D texture images fromthe 3D-BU FE dataset indicated that contextualized histograms improved facial expression recognition performance when local features were employed.

An automated detection of glaucoma using histogram features

Glaucoma is a chronic and progressive optic neurodegenerative disease leading to vision deterioration and in most cases produce increased pressure within the eye. This is due to the backup of fluid in the eye; it causes damage to the optic nerve. Hence, early detection diagnosis and treatment of an eye help to prevent the loss of vision. In this paper, a novel method is proposed for the early detection of glaucoma using a combination of magnitude and phase features from the digital fundus images. Local binary patterns(LBP) and Daugman’s algorithm are used to perform the feature set extraction.The histogram features are computed for both the magnitude and phase components. The Euclidean distance between the feature vectors are analyzed to predict glaucoma. The performance of the proposed method is compared with the higher order spectra(HOS)features in terms of sensitivity, specificity, classification accuracy and execution time. The proposed system results 95.45% output for sensitivity, specificity and classification. Also, the execution time for the proposed method takes lesser time than the existing method which is based on HOS features. Hence, the proposed system is accurate, reliable and robust than the existing approach to predict the glaucoma features.

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient,HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine,SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.

基于卷积神经网络的雷达工作模式识别

该文针对不同雷达工作模式的信号特征,提出一种基于卷积神经网络(convolutional neural network,CNN)的雷达工作模式识别方法。不同工作模式下的雷达信号的脉冲宽度、脉冲重复周期、脉内调制样式和数据率等特征均有所不同,所以该文利用这4个特征参数构建1个图像矩阵,再提取方向梯度直方图(Histogram of Oriented Gradient,HOG)的特征,送入CNN进行雷达工作模式识别。仿真结果表明,该识别方法有较高的识别准确率。

多特征的灰度反转和旋转不变直方图

针对图像发生反向灰度变化时,传统局部二值模式及其派生的纹理描述符分类性能会明显下降问题,提出了一种灰度反转和旋转不变的直方图方法。该方法通过高斯导数滤波获得更加细微的图像微分结构,再构建具有旋转不变性的多种互补特征,最后利用主导思想对多种互补特征进行联合编码,获得具有灰度反转和旋转不变性的特征直方图。使用Outex、CUReT和KTH-TIPS等3个纹理图片数据库验证所提出方法的分类性能。实验结果表明:在旋转和灰度反转情况下,提出的方法能够显著提高分类性能,有效改善灰度反转问题,并对图像的旋转变化具有一定的鲁棒性;从算法复杂度来看,该方法取最佳尺度及特征时,运行时间适中,整体分类精度高。

基于改进的LBP人脸识别算法

针对基本LBP算子提取的特征不够完整,不能全面地表达出人脸局部特征的问题,提出了基于分块的完备局部二值模式(CLBP)人脸识别算法。首先对原始人脸图像进行分块处理,对每一分块的图像进行局部差异值和中心像素灰度值分析,用Su2CLBP(8,2)、Mu2CLBP(8,2)和CCLBP(8,2)算子分别提取每一分块的直方图统计特征。然后将所有分块的CLBP直方图序列连接起来,得到人脸图像的CLBP特征,将其作为人脸的鉴别特征用于分类识别。最后利用Chi平方统计法计算直方图的不相似度,用最近邻准则进行分类。所提出的算法分别在ORL、FERET、YALE数据库中进行实验,分别取得了高达99.5%、92%、98.67%的识别率,与分块LBP算法相比识别率分别有2.5%、8%、2.67%的提高。实验结果表明,完备LBP提取的特征比较全面且具有较强的鉴别能力,在ORL、FERET、YALE人脸库中均能获得较好的识别率。

LBP和HOG的分层特征融合的人脸识别

针对LBP描述子提取的纹理特征有限且不能有效地描述图像边缘和方向信息的问题,提出了LBP和HOG的分层特征融合的方法.首先利用LBP算子提取图像的分层纹理谱特征,然后利用HOG算子提取原始图像的边缘特征和基于分层LBP特征的分层HOG特征,最后将分层LBP特征分别与2种HOG边缘特征融合,得到2种不同的多层融合特征.通过在ORL,Yale和GT人脸库上进行实验,比较了15种算法的识别性能,结果证明了文中方法的有效性;相对于传统的经典降维算法、单一的LBP特征提取算法和HOG特征提取算法,该方法的识别率有很大的提高,分别达到99%,99.5%和99.14%.

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.

一种基于纹理元灰度模式统计的图像纹理分析方法

本文提出了纹理元灰度模式的概念及采用纹理元灰度模式统计进行纹理分析的方法 ,根据纹理元灰度模式分布直方图 ,定义了若干反映其模式分布的特征 ,利用它们作为纹理特征对纹理图像进行分类与分割 ,并采用Laws纹理能量法做了对比实验 ,实验表明 ,采用本文方法比传统方法能取得更好的效果 ,有很强的实用性 .

基于双向梯度中心对称局部二值模式的单样本人脸识别

针对单样本情况下传统人脸识别方法识别效果不佳的问题,提出一种双向梯度中心对称局部二值模式(BGCSBP)的单样本人脸识别算法.首先获取人脸水平和垂直方向的梯度信息,并将其用CS-LBP算子进行编码;然后将二者融合成人脸的BGCSBP特征,再通过分块统计直方图的方式得到人脸的直方图特征;最后采用直方图相交进行分类识别.在CAS-PEAL,Extend Yale B和AR人脸数据库上的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性.

基于局部统计与整体显著性的织物疵点检测算法

为能有效检测织物疵点,结合局部统计特征与整体显著性分析,提出一种新的织物疵点检测算法。将织物图像分为大小相同的图像块,采用局部二进制模式和灰度直方图分别提取图像块局部统计特征。针对每个图像块,随机选取K个其他图像块,分别计算局部二进制模式统计特征对比度和灰度统计特征对比度,完成基于上下文整体显著性分析生成视觉显著图。最后采用基于迭代最优阈值分割算法对显著图进行分割,得到织物疵点检测结果。结果表明,这种算法综合了局部统计特征和整幅图像的上下文信息,可显著突出织物疵点区域,实现对织物疵点的有效检测。

基于形状特征及纹理特征的中药材检索方法

为有效提取中药材图像的特征,提高中药材图像分类准确率并提升检索性能,对中药材图像的梯度方向直方图形状特征和局部二元模式纹理特征进行研究,对2种特征进行维数改进,提出一种基于形状特征和纹理特征的中药材检索方法。使用改进的图像梯度方向直方图和分块局部二元模式进行形状及纹理的特征提取;对提取得到的特征向量进行线性组合;采用一对一方式构造多分类器,使用支持向量机进行分类检索。实验结果表明,组合降维特征提取算法能在中药材图像数据集中取得较好的识别效果。

地质钻孔信息形化管理系统框架设计与关键技术研究

钻孔是重要的地下信息获取手段, 为了有效地存储和管理青藏铁路建设中大量使用的钻孔信息, 讨论了一种适合野外单机工作环境下, 空间信息与复杂非空间信息结合存储和访问的机制, 即“混合数据模型”机制, 并基于该机制实现钻孔数据的存储与管理. 通过 UML方法和“设计模式”的思想,设计并实现了“地质钻孔信息图形化管理系统”的核心架构, 采用 GIS和自动生成柱状图的方法, 解决了传统钻孔数据维护和表现的难点.

依据特征融合和深度学习的树木叶片分类方法

以Pl@ntNet Identify、leafsnap等树木叶片数据库中的9500张图片为样本,将叶片的特征融合后作为分类依据;将改进的局部三值模式特征和梯度方向直方图特征采用零均值标准化方法进行融合,采用深度信念网络进行训练、识别和分类。结果表明:融合测试方法识别率可达94.87%,优于其他方法在本数据库的识别率;融合方法比单一特征和支持向量机分类等方法识别率更高,且受光照、噪声等影响的鲁棒性更高;实现了树木叶片的快速识别,解决了依据特征的叶片分类方法识别率较低的问题,改善了已有方法特征选取单一、信息不足和分类器简易等不足。

分层纹理特征和梯度特征融合的图像分类

为了提高分类检索和识别的准确率,提出了分层纹理特征和梯度特征融合的方法,即分层中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的特征融合方法。首先,对原始图像进行多次CS-LBP特征的提取,得到3层不同的特征图像;然后对特征图像进行大小相等、不重叠分块,分别提取每块CS-LBP特征和HOG特征,形成每一层的特征;再将特征图像的特征进行融合。分别在标准图像库和人脸库上进行仿真,研究结果表明:提出的分层融合方法的分类查准率和识别率比传统方法分别提高了15%和10%。

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。

一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.

归一化内标法的灰度级校正在图像识别中的应用

图像识别在工业现场检测中应用广泛 ,较常用的方法有灰度级统计法、阈值法等 〔1〕,但这些方法要求检测环境具有较稳定的光照系统 .本文通过一个工业检测中的案例将归一化内标法的灰度级校正应用于图像检测中 ,该方法可以在光强变化较大的情况下对图像进行准确的识别 。