基于Uniform LBP和DMMA的单样本人脸识别

在单样本人脸识别系统中,为了获得更好的人脸面部特征,提出了一种融合Uniform LBP特征和多流形判别分析(Discriminative Multi-Manifold Analysis,DMMA)的特征提取方法。对每幅人脸图像进行分块构成一个子集。使用统一局部二值模式(Uniform LBP)算子提取每个子集中图像的直方图,每个子集中的直方图形成一个统计流形,应用DMMA算法获得人脸图像的低维特征。采用基于重建的流形-流形间的距离识别未知的人脸图像。在AR数据库和ORL数据库上实验结果表明,该算法的识别性能优于一般的DMMA算法。

基于粒子群优化算法和UniformLBP特征的分块跟踪

针对鲁棒分块跟踪采用穷举的搜索策略以及对光照敏感等问题,提出了一种基于粒子群优化算法和Uniform LBP特征的分块跟踪方法。利用统一的局部二值模式(Uniform Local Binary Pattern)特征对光照的不变性以及计算效率高的特点,在原鲁棒分块跟踪方法以灰度积分直方图作为特征的基础上,添加了Uniform LBP特征;利用粒子群优化算法具有精度高,收敛快的特点,将PSO算法运用到对候选目标的搜索中。实验结果表明,在不降低算法运行速度的情况下,以及光照变化较大,短时间目标完全遮挡的跟踪环境下,该算法鲁棒性显著增强。

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern,RULBP)与灰度共生矩阵(gray-level co-occurrence matrix,GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理“微宏观”特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。

基于LBP等价模式和注意力机制的图像修复算法

为了解决目前主流的图像修复算法在面对内容复杂的图像修复时容易产生伪影与模糊的问题。本文提出了一种两阶段图像修复算法。在第一阶段的特征学习网络中,本文采用了局部二值模式(Local Binary Pattern,LBP)的等价模式获取更高质量的结构信息,用于指导第二阶段的修复;为了找到相似度更高的patches,保证修复结果在整体和局部的一致性,本文在第二阶段修复网络的生成器中插入新的注意力层,同时在已知区域和生成区域中寻找相似patches,以对缺失部分进行更好的填充。实验证明,本文提出的算法很好地改善了面对复杂图像时出现的问题,修复结果视觉效果更好,性能评价指标值更高。

基于YUV颜色空间和多特征融合的视频烟雾检测

针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度。多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。

基于CLAHE增强的GIS局放脉冲序列识别算法

为了研究气体绝缘组合电器(gas insulated switchgear,GIS)的特高频局部放电脉冲序列识别算法,进而提高其绝缘故障诊断的正确率,提出利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对脉冲序列分布(phase resolved pulse sequence,PRPS)图谱进行预处理,实现放电脉冲目标的强化,从而增强数据集视觉特征的方法;然后计算增强图谱的均匀局部二值模式(uniform local binary pattern,ULBP)作为特征向量,利用Adaboost级联分类器不断提高识别率直至收敛,从而实现GIS内部绝缘故障类型的识别。实验结果表明:CLAHE增强将识别率的上限从93.36%提高到了96.09%;在变化的外施电压下,ULBP特征向量比传统图像特征的识别率提高了10.71%~15.72%;Adaboost强分类器在训练时对样本数量的要求降低了约1/3。故所提算法进一步扩大了优化空间,增强了传统算法的泛化能力,提高了训练效率。

HSV下的基于图像内容的监控视频检索方法

随着构建平安城市活动的推进,大量的高清化、数字化的监控已经逐渐遍布于大街小巷,随之而来的是监控视频快速大量涌现,如何有效存储、管理和利用海量的监控视频成为研究热点。基于内容和语义的视频检索技术成为一种可行的海量信息检索技术,并成为越来越多学者的研究对象。在HSV空间下进行非归一化量化图像彩色信息并以此构建等价的局部二值模式作为基于内容的视频检索图像特征,同时提出了一种新颖、简单的直方图相似性度量方法检索目标图像,检索结果更加符合人们的主观视觉感受。

基于Shearlet变换和均匀局部二值模式特征的协作表示人脸识别算法

为了获得人脸图像中更丰富的纹理特征以提高人脸识别率,提出了一种基于Shearlet变换和均匀局部二值模式(ULBP)算子提取特征(Shearlet_ULBP特征)的协作表示方法——Shearlet_ULBP CRC用于人脸识别。首先,人脸图像通过Shearlet变换分解,得到多尺度多方向的幅值域图谱,再经过简单的平均融合,获得融合后的幅值域图谱;然后,通过ULBP算子结合分块的方法获得该Shearlet变换后融合图像的直方图特征;最后,结合协作表示的方法来分类所提取到的特征。该方法可以提取到图像更丰富的边缘以及纹理信息,在ORL、Extended Yale B和AR人脸数据库上进行测试,在图像无遮挡的情况下识别率都达到了99%以上,在有遮挡情况下也都达到了91%以上的识别率。实验结果表明,所提方法不仅对于光照、姿态和表情变化具备较强的鲁棒性,同时能在一定程度上处理人脸图像中存在遮挡的情形。

采用均匀局部二元模式及稀疏表示的掌纹识别

针对传统掌纹识别方法易受噪声干扰,且旋转鲁棒性差的问题,提出一种采用均匀局部二元模式(Uniform Local Binary Patterns,ULBP)及稀疏表示的掌纹识别方法。该方法利用善于表达图像纹理特征,且具有良好旋转不变性和抗干扰性的ULBP提取掌纹图像特征;同时考虑到直接对整幅图像进行ULBP处理会丢失局部纹理,采用先对各图像进行分块,再对各块分别进行ULBP处理的特征提取方案。在分类算法的设计上,本文利用掌纹图像库中训练样本的ULBP特征构造过完备字典,通过求解l1范数意义下的最优化问题实现测试样本的稀疏分解,并提出一种基于统计残差平均的稀疏表示分类方法,实现了测试掌纹图像的分类识别。实验结果表明,本文方法不仅具有良好的旋转及噪声鲁棒性,而且总体识别率明显优于基于PCA及2DPCA的传统稀疏表示分类方法,对于包含5 000031 0人的掌纹数据库,识别率分别提高了8.8%和6.8%。

基于颜色与纹理特征的安防视频遮挡树叶检测

针对安防监控视频中出现的树叶遮挡异常,提出一种颜色与纹理特征相融合并结合支持向量机(SVM)的视频树叶遮挡异常检测算法。提取视频图像的HSV非均匀量化直方图作为颜色特征;采用分块思想提取图像块的均匀局部二值模式(ULBP),将图像所有块的ULBP特征进行整合作为图像的纹理特征;将颜色特征和纹理特征进行整合,利用支持向量机进行训练建模,实现树叶遮挡异常的检测。采用真实安防监控视频库进行验证,验证结果表明,该方法识别率达到85.56%,受试者工作特征(ROC)性能指标达到0.9433,融合ULBP特征与颜色特征能很好地减少场景的干扰,对树叶遮挡异常视频进行有效识别。

融合均匀局部二元模式和稀疏表示的人脸识别

针对当前人脸识别受噪声等干扰导致识别效果不佳的问题,提出一种人脸识别方法,利用具有抗光照不变性的近红外人脸图像进行人脸识别算法分析。为增强算法在图像抗噪声方面的性能,通过均匀局部二元模式提取人脸图像的特征;为避免细节纹理的缺失,采用对人脸图像分块处理的方法建立特征;通过引入稀疏分类算法,进行人脸识别。实验结果表明,该人脸识别算法相比传统方法具有良好的稳健性与识别率,达到了提高人脸识别算法性能的目的。

基于非参数变换的尿沉渣细胞图像识别方法

首先提出一种改进的局部秩变换(D-LRT)方法,通过计算图像像素的局部秩进行图像变换,根据阈值选取实现低对比度和局部模糊的尿沉渣细胞图像分割。然后提出一种局部直方图统计(LHS)方法提取细胞图像平移、旋转、光照不变特征。该方法通过高斯模糊获取不同尺度下的细胞高斯模糊图像,并利用RIUP-LBP算子获取细胞高斯模糊图像的RIUP-LBP特征图谱,基于距离变换采取由内而外的方式,分层统计细胞高斯模糊图像及其RIUP-LBP特征图谱的直方图,将所有直方图串联作为细胞图像的LHS局部特征。还同时将LHS特征结合图像的几何特征、Harris角点及灰度共生矩阵特征,从局部和全局角度构造尿沉渣细胞图像的特征向量。最后采用支持向量机(SVM)对7类典型尿沉渣细胞图像进行分类。实验结果表明:本文提出的D-LRT方法在低对比度和局部模糊的细胞图像分割中完整度明显提高,提出的LHS方法可以有效地提取7类尿沉渣细胞图像特征,7类细胞图像识别的平均准确率可达到93.0%,平均召回率可达93.2%。

基于改进codebook算法的运动目标检测

为解决运动目标检测算法鲁棒性和实时性差的问题,在原始codebook算法的基础上提出一种改进的codebook算法。在匹配码字时将最近更新的码字调整至码本列表的最前端,加快码字匹配的速度;以适应光照变化且运算简单的局部二值模式(local binary patterns,LBP)直方图向量代替原有的RGB向量,采用码本记录局部区域的纹理特性,并通过实验比较原始的codebook、混合高斯算法及改进后的codebook。结果表明:改进后的codebook算法较其他2种算法具有更快的处理速度和更好的检测效果,且增强对场景中光照变化的适应力。

统一化的LGBP特征及稀疏表示的人脸识别算法

为了克服非约束性(光照、遮挡、姿势等变化)条件下会大大降低人脸识别率的缺陷,提出一种基于Gabor相位和幅值信息的统一化局部二进制模式&稀疏表示人脸识别算法.首先将人脸图像经过Gabor滤波器滤波得到Gabor相位和幅值图像,然后分块提取其统一化的局部二进制直方图,最后通过稀疏表示判断测试图像所属类.利用AR数据库进行实验的结果表明,与SRC、结合LBP和SRC特征的分割识别算法相比,该算法在非约束性条件下识别率最高.

基于判别式字典的正则化稀疏表示人脸识别算法

为了克服非约束性(光照、表情变化)条件下会大大降低人脸识别率的缺陷,提出一种基于Fisher判别准则的正则化稀疏表示人脸识别算法.首先将人脸图像经过Gabor滤波器滤波得到Gabor幅值图像,提取其统一化的局部二进制直方图,然后利用Fisher判别准则学习得到新的字典,最后通过正则化的稀疏表示判断测试图像所属类.利用AR数据库的数据进行实验的结果表明,与SRC、FDDL、RSC识别算法相比,本文算法在非约束性条件下具有最佳的识别率.

一种新的人脸面部表情识别算法研究

针对人脸面部表情的识别率易受非均匀光照影响,进而降低人脸面部表情辨识率的问题,提出一种融合局部特征与深度置信网络(DBN)的人脸面部表情识别算法。首先提取出人脸面部表情图像中的局部敏感质量分布图(LSH)非均匀光照不变特征;其次通过双编码局部二值模式(DCLBP)提取出人脸面部表情的边缘局部细节纹理特征;然后构造两者融合后的人脸面部表情特征;最后将融合后的人脸面部表情特征进行训练深度置信网络(DBN)模型,将训练后的深度置信网络(DBN)模型进行人脸面部表情识别。在JAFFE人脸面部表情数据库和自建的维吾尔族人脸面部表情数据库中识别实验表明,该算法具有很好的鲁棒性和有效性。

基于多特征融合的甲状腺结节良恶性识别

鉴于甲状腺结节良恶性的判别十分依赖于有效特征的提取,提出基于DLBP与RLBP模型相结合的局部纹理特征提取算法,首先利用RLBP模型解决图像旋转不变问题,然后与DLBP模型相结合对RLBP模式特征进行选择与降维,再与纵横比、圆形度、紧致度等形状特征相结合并输入到SVM分类器中。为了进一步提高识别率,提出基于粒子群算法与网格搜索算法相结合的SVM参数优化算法。实验结果表明,该模型提取的特征用于分类识别时较上述各种模型及传统的旋转不变等价ULBP模型能获得更高的识别率,且提出的参数寻优算法相比于传统寻优算法效率更高。

基于区域特征与支持向量机的场景文字定位算法

场景文字定位与识别问题近年来受到极大关注,本文针对定位场景图片中的文字提出一种区域与连通域结合的方法。首先采用最大稳定极值区域(MSER)与笔画宽度变换(SWT)相结合的方法来提取图片的候选文字连通域,然后运用启发规则对候选连通域初筛,最后提取候选连通域的方向梯度直方图特征(HOG)和均匀局部二值模式(LBP)特征,输入支持向量机(SVM),判别是否为文字区域。实验结果表明,本文算法具有较好的文字定位效果,并且召回率较高。

基于边缘对称性和IULBP的行人检测方法

针对现有行人检测方法速度慢、无法满足实时性检测需求的缺点,提出一种基于边缘对称性和改进的等价局部二值模式的行人检测方法 ES-IULBP(Edge Symmetry and Improved Uniform Local Binary Patterns)。该方法首先对输入的图像进行垂直边缘提取并计算对称性,完成行人的初检测,确定行人候选区;然后引入等价局部二值模式,并对其改进,进行行人的纹理特征提取;最后结合线性支持向量机进行行人验证。实验结果表明,与基于梯度方向直方图特征的行人检测方法相比,ES-IULBP检测速度快、准确率高,并具有较强的鲁棒性。

基于联合特征与随机森林的伪装语音检测

为了能较为全面地描述语音信号的特征信息,提高伪装检测率,提出了一种基于均匀局部二值模式纹理特征与常数Q倒谱系数声学特征相结合,并以随机森林为分类模型的伪装语音检测方法。利用均匀局部二值模式提取语音信号语谱图中的纹理特征矢量,并与常数Q倒谱系数构成联合特征,再用所获得的联合特征矢量训练随机森林分类器,从而实现了伪装语音检测。实验中,分别对其他特征参数以及支持向量机分类器模型所构建的几种伪装检测系统进行了性能对照,结果表明,所提联合特征与随机森林模型相结合的语音伪装检测系统具有最优的检测性能。