一种局部频域分析的多尺度纹理特征提取方法

在局部二进制模型和多分辨率分析的基础上,提出一种基于局部频域分析的多尺度纹理特征提取方法.对纹理图像采用局部圆形邻域作为局部模板进行局部频率变换,对各频段图像实现多分辨率分析,提取多尺度下的特征向量,结合SVM算法进行分类实验.结果证明,该方法在继承了LBP对光照因素具有的稳定性的同时,具有旋转不变性特征;利用NSCT在多尺度下进行的纹理特征提取也满足尺度不变性的需要,与其他方法相比提高了分类准确率.     

多特征融合的非刚性三维模型匹配算法研究

特征描述符是影响非刚性三维模型匹配结果的关键因素,而单一特征只能描述三维模型某一方面的信息.为了克服单一特征在模型匹配时的局限性,进一步提高模型匹配的精确度,通过引入信息论中信息熵的概念,结合各单一特征匹配时的结果,计算得到各特征的权值,对多种特征(如热核特征(HKS)、能量分布特征(WKS)和模型表面积特征等)进行融合,作为非刚性三维模型匹配的特征.最后在SHREC’2014提供的标准测试数据集上进行试验,并与单一特征描述符的结果进行对比,验证了多特征融合得到的特征描述符要优于任一单一特征描述符,可以应用于非刚性三维模型检索系统中.     

非局部多尺度融合的单帧图像超分辨率重建

现有的深度超分辨率重建模型,用堆叠多个相同模块的方式获取具有更高精度的重建结果,但未能充分考虑各层特征间的上下文关联信息.提出一种基于非局部多尺度融合的图像超分辨率重建模型.该模型采用3种模块:非局部模块、多尺度融合模块和宽激活残差模块.其中,非局部模块用于获取图像的全局特征,关注目标的核心区域;多尺度融合模块用于融合...     

基于自动反关节形变的非刚性三维形状检索方法

提出一种新的基于“自动反关节形变”的非刚性三维形状检索方法。首先, 提取三维模型的形状特征点, 用来进行刚性区域划分及局部骨架提取; 然后, 结合网格编辑技术, 自动地消除非刚性模型上的关节形变, 估计形变前的近似刚性三维形状作为标准形; 最后, 从标准形上构造形状特征描述, 并计算“推土机距离”衡量非刚性模型之间的内蕴相似性。该算法减少了标准形上的几何扭曲, 并显著降低了计算代价。实验结果显示了该方法对非刚性三维形状检索的效果提升。     

基于角点特征的目标识别方法

针对基于角点特征的目标识别存在的不足,提出了一种角点特征的构造方法,这种特征具有平移不变性、旋转不变性、尺度不变性以及对噪声的抗干扰能力.利用角点间的全局约束和局部约束得到类型可分离程度较高的模式向量,并根据目标角点的空间关系对模式向量进行适度的维数约简;根据目标的三维模型建立二维视面模型,从而提取出目标在不同姿态下的特征,解决目标姿态变化造成的难以识别的问题.结合反向传播网络的分类能力,将其应用到视点变化的目标识别领域.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

基于区域改进LBP的三维人脸识别

针对三维人脸识别中的表情问题,提出一种基于区域改进局部二值模式(LBP)的三维人脸识别算法.首先将预处理后的三维点云转化为深度图并进行归一化处理;然后根据表情对人脸的影响,利用二元掩膜提取人脸的刚性、半刚性和非刚性区域;对每个局部区域,计算其改进LBP特征,并用等价模式进行表征;最后使用稀疏表示分类器(SRC)对单个局部区域进行识别实验,并使用带权重的稀疏表示分类器(W-SRC)对刚性和半刚性区域进行决策级融合,给出最终识别结果.在FRGC v2.0人脸数据库上的实验结果表明,该方法具有较好的鲁棒性和较高的识别精度.     

基于局部宏观特征和微观特征结合的手背静脉身份识别

手背静脉身份识别由于其非接触和不易被污染等独特的优势,已成为各种新型生物特征识别手段中的研究和应用热点.如何提取具有高鉴别性且鲁棒的手背静脉图像特征是本文的研究重点.本文简述了基于局部二值模式(local binary pattern,LBP)的特征提取方法及其改进方法的基本原理,讨论分析了其不足,并针对不足,提出了一种多尺度块中心对称局部二值模式(multi-scale block center-symmetric LBP,MB-CSLBP)算子.本文所提出的MB-CSLBP算子既考虑图像的局部宏观特征,也兼顾图像的微观特征,获取了更加全面的图像信息.在自建的2040幅近红外手背静脉图像数据库中,用MB-CSLBP方法获取图像特征并使用最近邻分类器进行识别.大量的对比实验结果表明,本文所提方法的识别率达到98.21％,优于原始LBP及其改进算子,中心对称局部二值模式(center-symmetric LBP,CS-LBP)和多尺度块局部二值模式(multi-scale block LBP,MB-LBP)等.     

基于改进纹理表示的主动形状模型

主动形状模型(Active shape model,ASM)是一种基于参数化的统计模型,它主要应用于图像处理中的特征定位和提取.本文在分析传统ASM方法不足的基础上,提出一种基于改进纹理表示的ASM方法.改进的纹理表示方法是直接用联合Gabor相位特征和局部二元模式(local binary patterns,LBP)特征代替传统的灰度值.改进的方法提供多尺度多方向的Gabor纹理信息,而且基于LBP的纹理编码能对光照更加鲁棒,而且可以去除大量冗余信息.实验结果表明改进的ASM能有效提高特征点的匹配精度.     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

基于图像SIFT特征的图像检索方法

基于SIFT特征提取,本文提出了一种多尺度的图像检索算法,将一幅图像转化为多个特征的集合,再通过计算两幅图像特征向量间的欧氏距离进行比较得出结果进而实现图像检索功能。实验结果说明该算法具有尺度、平移、旋转不变性,可以进行良好应用。     

基于LMP-KCPA的人体动作识别方法

为解决人体动作识别中由于特征描述子的维数过高, 无法表征目标变化的本质运动变化信息的问题,给出了核主成分分析(KPCA: Kernel Principal Component Analysis)对局部运动模式描述子(LMP: Local Motion Pattern)降维方法。首先利用LMP 描述子对人体运动目标进行描述, 然后利用KPCA 算法对局部运动模式特征
描述子进行处理, 获取新的特征描述方式。通过MATLAB 仿真, 与Cuboids+SVM 和LMP+SR 两种算法对比结果表明, 基于LMP鄄KPCA 的人体动作识别, 特征描述子维数明显降低, 可以表征人体运动目标变化关键信息,识别率比Cuboids+SVM 算法提高1. 1%, 比LMP+SR 提高1%。     

基于三维局部二值模式和核判别分析的三维人脸识别

二维照片的人脸识别对光照、姿态和化妆等因素很敏感,故提出了一种将三维局部二值模式（3DLBP）和核判别分析（KDA）相结合的三维人脸识别方法．采用3DLBP描述人脸深度图像的特征,高斯核函数KDA作为分类器,使用Chi平方统计改进高斯核函数、采用FRGCv2．0中2003春季采集的三维人脸库进行实验．实验结果表明,该方法在每人2个训练样本时,识别率为91．8％,而PCA和3DLBP的识别率分别为60．4％和78．3％;当每人的训练样本数增至6个时,识别率为98．4％,而PCA和3DLBP的识别率分别为87．8％和96．3％。     

基于FSIM的彩色图像检索

为了得到一种简单而有效的图像特征,提出了一种频域结构相似度的图像检索方法．该方法利用彩色图像的高斯变换下相位不变、梯度的结构特征和局部二值模式描述图像特征,既弥补了相位不变性对图像对比度不变的影响,又能充分利用LBP纹理特征的旋转不变性,对彩色图像有很好的检索效果．为了验证该算法的效率,在3个彩色图像库中进行了对比实验．结果表明：该方法明显优于其他算法,比GCD—HSV,HSV,LBP算法的平均检索率分别提高了27．24％,29．86％,33．48％．     

基于双空间金字塔匹配核的图像目标分类

提出一种基于局部特征的双空间金字塔匹配核(bi-space pyramid match kernel,BSPM)用于图像目标分类.利用局部特征在特征空间和图像空间建立统一的多分辨率框架,以便较好地表达图像的语义内容.该方法同时在特征空间和图像空间建立金字塔型结构,通过适当匹配可以得到正定核函数,该函数具有线性计算复杂度,可以运用于基于核的学习算法.将BSPM嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明该方法对图像具有良好的分类能力,优于词汇导向的金字塔匹配核和空间金字塔匹配核.     

角点特征在目标识别中的应用

针对在视点变化情况下进行目标识别这一问题,作者结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小.作者还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的角点特征构造方法,通过BP网络实现目标分类.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

正交Gaussian-Krawtchouk不变矩的构建及在图像匹配中的应用研究

针对基于几何矩及不变矩的图像特征描述存在信息冗余,计算复杂,图像表征能力不强等问题,本文深入研究了正交的Gaussian-Krawtchouk矩及其不变矩的表达形式.依据不同的尺度因子特点,提出了基于多尺度Gaussian-Krawtchouk不变矩的图像局部特征描述方法,并用于五种不同类型图像的特征匹配.实验结果表明...     

基于分形维数特征的肺结节形状建模

针对肺结节形状建模的问题,提出了一种基于复杂网络的分形维数特征的肺结节形状建模的新方法.首先利用形状轮廓上的采样点之间的欧式距离进行网络化建模,然后利用局部二进制模式值对网络进行动态演化,并利用分形维数对复杂网络的复杂性进行分析.相较于传统形状建模方法,本文方法不仅考虑了形状的局部纹理特征,提高了形状发生非刚性形变的抗干扰能力,还不需要对样本形状进行对齐,提高了建模的效率.使用LIDC-IDRI数据库和沈阳盛京医院的CT资料,经仿真实验,结果表明本文方法能够建立表现良好的肺结节形状模型.     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

Individual Dairy Cattle Recognition Based on Deep Convolutional Neural Network

Image based individual dairy cattle recognition has gained much attention recently. In order to further improve the accuracy of individual dairy cattle recognition, an algorithm based on deep convolutional neural network( DCNN) is proposed in this paper,which enables automatic feature extraction and classification that outperforms traditional hand craft features. Through making multigroup comparison experiments including different network layers,different sizes of convolution kernel and different feature dimensions in full connection layer,we demonstrate that the proposed method is suitable for dairy cattle classification. The experimental results show that the accuracy is significantly higher compared to two traditional image processing algorithms: scale invariant feature transform( SIFT) algorithm and bag of feature( BOF) model.