基于Choquet模糊积分的运动目标检测算法

本文提出了一种基于Choquet模糊积分的运动目标检测算法(CIMOD,Choquet Integrate-Based Moving Ob-ject Detection).将模糊测度和模糊积分理论应用于运动目标与背景分类中,提出了自适应阈值的Choquet积分算法,实现了图像的颜色特征和纹理特征相融合;选择YCbCr颜色空间代替传统RGB空间,将图像亮度与色度分离,降低了光照变化对运动检测的影响;利用局部二元模式(LBP,Local Binary Pattern)纹理特征对亮度级的单调变化具有不变性的特点,将其融合到检测算法中,有效抑制了阴影的干扰.仿真实验结果表明,即使在光照变化、阴影干扰等复杂背景情况下,该算法也能够准确的检测出运动区域.

加权自适应CS-LBP与局部判别映射相结合的掌纹识别方法

提取掌纹的最佳低维分类特征一直是掌纹识别研究领域的一个重要方向。针对掌纹图像具有丰富的纹理特征特点,提出一种基于加权自适应中心对称局部二值模式(WACS-LBP)与局部判别映射(LDP)相结合的掌纹识别方法。首先将掌纹感兴趣(ROI)图像分成大小均匀的小区域,利用自适应中心对称局部二值模式(ACS-LBP)算法获取不同区域的纹理特征直方图和权值,经过加权连接得到ROI的加权纹理特征直方图向量;再利用LDP算法对得到的特征向量进行维数约简;最后利用K最近邻分类器进行掌纹识别。在掌纹公开数据库上进行实验,正确识别率高达97%以上。实验结果表明,该方法不仅是有效、可行的,而且研究思路比较明确。

基于特征融合与局部判别映射的苹果叶部病害识别方法

针对利用植物病害叶片图像特征识别病害类别的复杂性,提出一种基于特征融合与局部判别映射的植物叶部病害识别方法。首先,在中心对称局部二值模式(CS-LBP)的基础上,设计了一种自适应中心对称局部二值模式(ACS-LBP),由此分割病害叶片的病斑图像;然后提取并融合病斑图像的纹理、形状和颜色特征;再利用局部判别映射算法对融合特征进行维数约简;最后利用支持向量机进行病害类别分类。在3种常见苹果病害叶片图像数据库上进行病害识别验证试验,结果表明,该方法能够有效识别苹果叶部病害,平均识别率高达96%以上。

球形全景核线约束的颜色不变量综合特征快速匹配方法

针对目前立体全景模型量测应用中特征匹配自动化程度偏低的问题,提出一种基于立体球形全景约束的颜色不变量综合特征快速匹配方法.首先,通过核线约束,使全景影像匹配的搜索范围从二维限制到一维带状缓冲区域;然后利用颜色不变量相关系数进一步确定精细搜索范围;最后,基于颜色不变量及旋转不变纹理特征构建综合匹配测度模型,以实现全景特征匹配.通过实地拍摄的全景图像,与灰度匹配法、SIFT,SURF以及CSIFT进行比较分析.实验结果表明,该方法匹配准确率提高了近10%,可消减球形全景特征的误匹配,有效地解决影像匹配时同名像点自动寻找与几何信息快速解算,为全景量测模型二次采样、量测及深度图的生成奠定基础.

大型人脸库上基于局部二元模式直方图映射的快速识别

传统的基于局部二元模式(LBP)的人脸识别方法采用卡方统计度量LBP直方图间的差异,由于卡方统计度量的复杂性以及是在高维空间进行判别,此方法在大型人脸库上的识别速度低,为此提出一种LBP直方图映射(LBPHP)方法.将LBP直方图映射到保局投影(LPP)空间获取低维LBPHP特征,当判别新样本时只须比较新样本与训练样本的LBPHP特征,识别过程简单且在低维空间进行,识别速度很快.鉴于LPP强大的鉴别特性,此方法的识别率很高.在2个知名人脸库上对LBPHP方法进行实验验证,结果表明,相比于传统识别方法,LBPHP的识别速度快,尤其在大型人脸库上优势更加明显,适于在此类人脸库上的实际应用如身份认证等.

融合主动外观模型与局部二元模式的人脸识别

提出一种新的人脸识别算法.首先,利用主动外观模型(active appearance model,AAM)提取人脸五官特征点,进而获得人脸区域的全局纹理特征;然后对人脸区域中的若干个局部子块进行加权局部二元模式(local binary pattern,LBP)的特征组合;接着分别对这两类特征进行最近邻法则匹配;最后,采用基于模糊综合的原理对这两大类特征进行数据融合,给出最终识别结果.实验表明该算法的有效性,能够很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能.

结合相关模板匹配和改进的积分投影眼睛定位方法

对眼睛快速、准确的定位是对运动中的人脸进行实时识别的重要前提。提出了1种结合人脸特征、相关模板匹配和改进的积分投影的方法,实现了快速有效的眼睛定位。在图像预处理的基础上,结合最大类间方差阈值分割法的二值化处理、数学形态学的开运算、相关模板匹配以及改进的积分投影得出人脸区域,然后根据人脸特征间的几何关系,利用改进的积分投影及其统计数据的峰值位置确定眼球的中心位置。实验表明,该方法具有很好的定位效果,对不同角度、不同方向的倾斜人脸、脸部表情及姿势变化等具有很好的鲁棒性。

基于中心域的LPP算法研究

针对LPP算法中最近相邻图不能很好地表示流形的局部结构问题,提出一种基于中心域的保局投影算法。该算法采用LBP获取图像的高阶全局统计信息,并将其投影到LPP的流形空间。流形空间的获取是以各图像间的中心域的欧式距离为标准构建最近相邻图,使其可以简单地、较好地表示流形局部结构,并得到数量较少的特征维数。在ORL人脸库上的实验结果表明,该方法可有效地降低特征维数,并取得较好的识别率。

一种积分图实现的多尺度改进纹理谱描述子

介绍一种改进的纹理谱描述子(improved Texture Spectrum Descriptor,i TS),并利用积分图实现多尺度的i TS(Multi Scale improved Texture Spectrum Descriptor,MS_i TS).在Brodatz纹理库上的图像检索实验中,与TS、i TS相比较,MS_i TS具有最高的平均查准率,表明MS_i TS对纹理具有更强的纹理描述能力和鲁棒性.

基于软构件的人脸识别系统的开发与集成

本文系统分析了经典的和最新的局部二值模式人脸识别算法,结合基于特征的构件模型,设计了人脸识别软构件,并将构件应用到了人脸识别系统开发中.这些构件具有通用的接口和标准,能被不同的组织和个人用于二次开发,实现了软件的复用,减少了系统开发需要的成本.此外,本文还论述了将这些构件集成于人脸识别系统的方法,对比了集成于系统内的各种算法的识别性能.

基于局部二元模式的人脸表情识别

提出了一种基于局部二元模式(LBP)和局部保全投影(LPP)相结合的面部表情识别方法。使用LBP算子对图像分块处理,综合人脸局部和整体的特征;再使用LPP对表情特征降维,最后采用支持向量机对面部表情分类。在日本女性人脸表情库上实验表明,本文提出的方法有更好的识别率和更快的识别速度。

改进MB-LBP特征与LPP算法在带钢表面缺陷识别上的应用

针对带钢表面缺陷识别率受到光照变化、纹理复杂多样以及噪声干扰而导致误识别率高的问题,提出一种新的带钢表面缺陷识别算法。首先从增加邻域联系的角度改进多块局部二值模式(MB-LBP)特征,缓解提取过程中因所选子窗口尺寸大小不同而造成的保留图像细节与去除噪声之间的平衡性问题;其次将改进的MB-LBP特征与梯度方向直方图(HOG)特征线性加权得到融合特征,弥补MB-LBP特征没有表征缺陷边缘和方向的缺点,从而更全面地表征复杂的缺陷纹理;最后通过同时增加全局信息和监督信息改善的局部保持投影(LPP)算法将高维的融合特征非线性映射到低维的本质特征空间中,减少融合特征冗余对分类器识别率的影响。在NEU数据集上仿真实验结果表明:算法对光照变化、纹理复杂多样、以及噪声具有一定的鲁棒性,在信噪比为50 d B情况下将带钢表面缺陷识别准确率提高了5. 17%。

基于特征模型的非结构化道路跟踪算法研究

鉴于室外自主移动机器人视觉导航的应用需求,提出一种提高非结构化道路跟踪准确性和鲁棒性的算法。首先,利用局部二值模式LBP的纹理特征和颜色特征建立道路区域的H-S-LBP特征模型,利用特征模型对视频序列图像进行反向投影,将图像分割为道路区域和背景区域。同时,采用卡尔曼滤波器更新道路特征模型。通过反向投影与特征模型更新的交替完成,实现非结构化道路跟踪。实际应用表明,提出的算法能够准确跟踪视频图像中道路区域,对复杂多变的室外环境适应性较强,道路边缘处区分度较高,满足实时性要求。

基于多纹理CS-LBP特征的多视角人脸检测算法

提出一种多纹理中心对称局部二值模式(CS-LBP)特征,实现复杂环境下的多视角人脸检测.该特征保留Haar特征的序数关系,借鉴局部二值模式(LBP)的组合方式,从水平、垂直、+45°和-45°这4个纹理方向进行特征提取,以保证人脸检测在方向、光照、旋转等方面的鲁棒性.算法采用级联架构,首先针对人脸图像中的不同视角进行分区,分别进行多纹理特征的提取,然后设计独立的分类器,逐级剔除非人脸窗口,最后采用多层感知器(MLP)综合各视角的检测效果,输出检测结果.在数据集FDDB和CMU PIE上进行验证性实验的结果表明,该方法对复杂环境下的多视角人脸检测有效,与传统的卷积神经网络人脸检测方法相比,该方法具有更高的精度.

基于改进HOG特征与LPP算法的木材缺陷识别

在木材缺陷的识别中,由于噪声干扰导致识别率降低,因此提出一种新的木材缺陷识别算法。首先通过计算不同尺度下各个方向的梯度,利用正交分解将各个方向的梯度进行结合,得到改进的梯度方向直方图(HOG)特征,提高了HOG特征的鲁棒性;其次将改进HOG特征与局部二值模式(LBP)特征线性加权得到融合特征,弥补了HOG特征没有表征缺陷纹理变化的缺点;最后通过增加全局信息与监督信息改进局部保持投影(LPP)算法并对其降维,再引入支持向量机(SVM)对上述特征进行分类。实验结果表明:在高斯噪声的信噪比为60 dB的环境下该算法的识别率达到97.13%。

结合FDM与STLBP-IP特征的微表情识别

针对面部动力谱(FDM)特征易受光照影响、对运动信息描述不准确的缺陷,提出基于FDM特征与时空局部二值模式积分投影(STLBP-IP)特征相结合的微表情识别方法。将FDM特征与STLBP-IP特征相结合,在弥补FDM对运动信息描述不足的同时对人脸面部信息进行补充描述以提升识别率。使用支持向量机进行分类,在SMIC和CASMEⅡ微表情数据库上进行实验。实验结果表明,该算法识别率有所提高,分别达到57.14%和64.59%。

基于局部投影与块LBP特征的图像检索

首先将投影方法运用于图像局部子块,并与矢量量化技术相结合,得到投影矢量索引直方图特征,能够有效提取图像的颜色分布、空间关系等信息;其次,提出基于块基元的LBP纹理特征算法,既能有效提取块基元的结构模式,又能避免传统基于单像素LBP模板的不稳定性,并大幅减少了计算量;最后,基于显著图提出了划分显著区域和非显著区域的特征提取方案,使得分别提取的特征更富于视觉意义。实验结果表明,本文算法相对于传统索引直方图方法在性能上有较大的提高,平均查准率平均提高幅度为6.39%。

基于高级局部二元模式直方图映射的表情识别

提出高级局部二元模式直方图映射(ALBPHP)方法,将标记信息完整且标记位置统一的高级局部二元模式(ALBP)直方图映射到局部保持投影(LPP)空间获得低维ALBPHP特征.相比于ALBP特征,ALBPHP特征不仅维数低而且在表征人脸图像时具有更强的鉴别力.在JAFFE和Cohn-Kanade两个人脸表情库上对ALBPHP和ALBP方法比较验证,结果表明:采用相同的分类器时ALBPHP的识别率总是高于ALBP.

基于数据降维与对称二值模式的图像Hash算法

为了解决当前图像Hash算法难以兼顾较高的感知稳健性与篡改识别率的不足,提出了基于数据投影降维机制与对称局部二值模式的紧凑图像Hash算法。利用双线性插值来预处理图像,使Hash具有固定的长度;引入对数极坐标变换,将其转变为二次图像;利用Gabor滤波器平滑二次图像;基于模糊集理论,设计对称局部二值模式算子,获取稳健特征;定义数据投影降维机制与量化规则,生成紧凑的中间Hash比特序列;构造一维组合混沌映射,建立加密模型,完成比特序列扩散,以生成图像Hash;并引入汉明距离,估算初始图像与接收端图像的Hash相似度,联合决策阈值,完成图像认证。测试数据表明,与当前图像Hash技术相比,该算法的Hash更紧凑,且其感知稳健性与敏感性更高。

加权局部二值模式和块线性判别投影的人脸识别方法

提出一种加权的局部二值模式和块线性判别投影的人脸识别方法,它首先编码人脸局部区域中心像素与邻域像素的灰度差的符号分量,体现了人脸局部结构的重要性.其次利用了局部二值模式的幅值分量作为像素局部二值模式的权重,最后利用块线性判别投影降低提出的描述符的特征维数,同时增强它的判别能力.在FERET人脸库的大量实验结果表明该算法可以获得有效的性能提升.