基于局部线段模式特征的城市道路视觉检测

局部二值模式(Local Binary Pattern,LBP)特征对于局部纹理信息的提取非常精细,但对于发散的远端信息则会遗漏部分关键特征而造成检测精度降低。针对这一问题,文中提出了局部线段模式(Local Line Pattern,LLP)特征算法。首先构建城市道路数据库并将道路图像进行分块处理,然后用LLP算子提取直方图来描述局部纹理结构,并将其串联得到特征向量,最后结合BP神经网络实现城市道路可行驶路面检测。实验结果表明,LLP特征算法在检测精度上优于现今主流的各类改进型LBP算法。LLP结合"等价模式"LBP算法的实验结果显著优于"等价模式"LBP算法,在城市道路数据库中检测精度较"等价模式"LBP算法提高了4. 3%。     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

基于邻域相关度和LBP算子的人脸图像识别

针对传统局部二值模式(local binary pattern,LBP)算子提取的图像纹理特征不完整、不能全面刻画人脸局部特征的问题,提出一种基于邻域相关度的改进LBP算子.该算子首先计算窗口内每个像素点的邻域相关度;其次利用邻域相关度的均值和方差构造新的NC_LBP算子,进而提取图像局部直方图特征,作为人脸识别的依据;最后利用Chi平方统计法计算直方图的不相似度,并用KNN算法进行分类.仿真实验表明,改进NC_LBP算子在ORL,JAFFE和YALE人脸数据库的识别中效果较好,特征区分度明显,识别准确率较高.     

改进的局部二值法与熵结合的边缘检测算法

为解决识别地震图像上的断层、气烟囱等特殊地质体的边界信息模糊、噪音影响等问题,提出一种改进的局部二值模式(LBP:Local Binary Patterns)算法与局部熵(ENT:Entropy)结合的边缘检测算法(LBP/ENT)。利用传统的LBP构建一种旋转不变统一的局部二值模式,使其适应地震图像异常地质体的横向不连续性,并引入局部熵刻画地震图像局部的离散特征,提高地震噪音的鲁棒性。利用提出的LBP/ENT方法对复杂的Marmousi理论模型和实际地震图像上的气烟囱进行研究,并与Canny算子、 LBP算子、局部方差(VAR:Variance)、 LBP/VAR算子进行对比,结果表明：LBP/ENT能更清楚地刻画地震图像的边缘信息,对噪音具有更好的鲁棒性。研究实例说明提出的LBP/ENT算法为检测地震图像上特殊地质体的边缘信息提供了一种可行的技术方法。     

基于分块加权LBP技术的人脸识别算法

人脸识别属于生理特征识别,是基于人的脸部特征信息进行身份识别的生物识别技术,是我国人工智能技术领域的首个成熟技术。LBP(Local Binary Patterns)算法,又称局部二值模式算法,是一种灰度范围内的纹理描述方式。传统LBP算子提取的特征信息只能体现局部的人脸信息,不能完整表达全部人脸信息。在基本LBP算法的基础上提出基于分块加权LBP技术的人脸识别算法,将人脸分为5×3子分块,根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征。通过在ORL和YALE两种人脸数据库中训练不同样本数,比较传统LBP方法、5×3分块LBP方法和5×3分块加权LBP方法的人脸识别准确率,实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

基于SVM混凝土电镜图像类型识别

目的为了准确、快速地对混凝土电镜图像进行自动识别分类,选取合理的特征提取方法以及分类算法,解决预判混凝土耐久性问题.方法利用一种基于局部二值模式(Local Binary Pattern,LBP)的特征提取方法和支持向量机(Support Vector Machine,SVM)分类器的组合模式,对混凝土在电镜下的图像进行特征提取和类别判定,并对SVM分类器选取合理的核函数以及核函数参数.结果采用笔者方法最终图像识别准确率可达79.7%,LBP基本特征算子较好地满足了纹理特征图像的特征提取要求;通过SVM分类器对图像进行分类可以将含有纹理特征的图像成功分类.结论该方法成功有效地识别混凝土的内部多层次结构辅助辨别混凝土的耐久性问题;LBP基本算子和SVM分类算法的组合算法在特征提取与识别分类具有很好的实用性及高效性.     

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.     

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.     

非局部二值模式人脸表示与识别方法

人脸表示/特征提取是人脸识别技术中最重要的步骤,局部二值模式(LBP)在人脸识别问题中受到了越来越多的关注和研究.为了克服原始LBP算子存在的固有缺陷,本文在其基础上提出了非局部二值模式NLBP算子.相对于原始LBP算子,新的NLBP算子能够实现多尺度分析能力,突出了人脸的关键特征,并能增强人脸表示与识别的鲁棒性.实验验证了新NLBP算子的有效性.     

旋转不变局部三元模式算子在隐身效果评价中的应用

根据局部二元模式算子(LBP)方法本身易受噪声影响等特点,提出一种改进的局部三元模式纹理分析方法(旋转不变LTP或称RILTP)用于评价隐身图像,将LBP中使用单一算子描述纹理替换为使用正负模式两个算子分别描述,提高了纹理描述的精确性和抗噪性;并以人眼主观评价结果为依据,将传统LBP方法与改进的LTP方法进行了隐身效果对比验证.分析结果表明:与传统LTP算子方法比较,RILTP算子具有更好的人眼主观评价一致性.     

一种新型的基于自适应局部二值模式的纹理分类算法

局部二值模式(LBP)在纹理特征提取时,易受光照、旋转、噪声等复杂条件的影响.本文定义一种新型自适应局部二值模式,通过考虑模式的均匀度和相似度,来实现纹理模式分类和特征值计算.结合差分运算,分别在差分二值矩阵和差分绝对值矩阵上计算自适应纹理特征,并将两部分特征值连接成一个空域增强的特征向量,采用最近邻分类器完成图像分类识别.实验结果表明,该算法在复杂条件下具有更好的识别效果.     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于分块加权LBP向量和解析字典的协同表达分类

传统协同表达分类(CRC)算法因直接使用原始样本构造非传统字典,容易受到样本维度、光照和姿态变化等因素的影响。该文在协同表达框架基础上,提出了一种新的利用分块加权局部二值特征(LBP)直方图向量构造解析字典的协同表达人脸分类方法。首先通过分块加权方法优化LBP算子提取的纹理特征,然后采用解析字典学习方法将样本数据投影到稀疏系数空间,并使用协同表达方法重构测试样本,完成样本分类。与已有算法相比,该文算法的实验结果较好。ORL和LFW数据库上的实验结果证明了该文方法的有效性。     

基于LBP与CS-LDP自适应特征融合的人脸识别

为了提取更丰富的人脸纹理特征以提高人脸识别率,提出了局部二值模式LBP(Local Binary Pattern)与中心对称局部微分模式CS-LDP(Center-Symmetric Local Derivative Pattern)自适应特征融合算法。识别过程中首先用LBP算法对原始图像进行特征提取,然后用二阶微分CSLDP算法对图像进行特征提取,并将LBP与CS-LDP的特征向量融合得到最终的模板向量,通过直方图交叉距离计算模板向量的相似度。结果表明:LBP提取图像的一阶微分特征,而CS-LDP提取图像的二阶微分特征,融合两种特征获得更丰富的图像纹理信息。该方法在ORL、YaleB和FERET人脸库中的人脸识别率均达到了90%以上,为人脸识别技术提供了一种切实可行方案。     

相位一致性结合局部二元模式的纹理分类方法

局部二元模式(Local binary pattern,LBP)是一种经典的纹理分析方法,然而现有LBP方法对噪声非常敏感,其鲁棒性并不高。提出了一种利用相位一致性(Phase congruency,PC)提高LBP在噪声图像中的鲁棒性的方法。首先计算图像的PC值,即用Log-Gabor滤波器对图像进行滤波,然后将不同方向上的滤波结果融合在一起得到二维PC值,接着在PC值的基础上计算LBP特征并统计其直方图,最后用Chi-square距离来度量纹理图像之间的相似性。由于滤波过程可以极大地降低噪声对图像的干扰,因此LBP与PC方法结合后在图像表征和纹理描述中具有较高的鲁棒性能。     

基于局部二元模式算子的人脸性别分类方法

提出了两种基于局部二元模式(Local Binary Pattern,LBP)算子的人脸性别分类方法:级联LBP方法和boosting LBP方法.前一种方法遵循从局部到整体的级联策略,使用LBP算子对由小波分解得到的细节图像进行特征提取,以达到扩充特征提取范围和增强所提取特征的有效性的目的,随后采用自适应加权机制对人脸图像的各个分块赋以不同的权值.后一种方法采用可变尺寸的子窗口对人脸图像进行扫描,在扫描所得的每个子窗口中,使用LBP算子对该子窗口提取LBP直方图.计算样本图像的LBP直方图和模板的LBP直方图之间的度量,并由此构建弱分类器集.利用Adaboost算法选取最有效的若干个弱分类器集组合成为强分类器.进行了三个基于LBP算子的人脸性别分类实验,实验所使用的训练集和测试集皆选自FERET人脸数据库.实验结果证明:LBP算子能有效地从人脸图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的.所提出的两种基于LBP算子的方法可以有效的解决传统LBP方法所存在的特征提取范围有限、加权机制客观性不足等问题.     

基于CS-LBP与自适应神经网络的虹膜识别

针对判断两个虹膜是否为同一类别的问题,提出了基于分块中位排序规则的中心对称局部二值模式(CS-LBP)提取虹膜纹理特征,并使用BP神经网络进行判断.BP神经网络的连接权重采用混沌系统-选择变异算子-粒子群(C-SM-PSO)算法进行自适应优化,提高设置连接权重的全局搜索能力,使神经网络具有自我跳出局部最优的能力,提高算法通用性.用多种算法在不同的虹膜库中进行了实验.实验结果表明,所提出的算法正确率较高,等错率较低,ROC曲线更接近横、纵坐标轴,具有良好的稳定性与鲁棒性.     

基于视觉图像边缘特征的灌木丛或高草识别

灌木丛或高草的枝叶外扩,使得其灰度图像边缘呈"锯齿"状,故边缘点曲率值变化频率及变化范围较大,可选择边缘曲率值的变化特征描述该类障碍物的边界特征.首先,利用Fisher 线性分类器对原始灰度图像进行分割,对二值化图像去除孤立点、进行形态学膨胀处理和空穴区域填充;其次,利用LOG算子及细化算法提取出障碍物的单像素边缘;再...     

采用ACGAN及多特征融合的 高光谱遥感图像分类

为解决标记样本缺乏、提升分类精度及增强模型容错性等问题,提出一种基于辅助分类器生成对抗网络(ACGAN)的分类方法.首先,将预训练的ACGAN模型作为光谱特征提取器,采用局部二值模式(LBP)算法提取图像的纹理特征;然后,融合光谱特征和纹理特征,由卷积神经网络(CNN)进行分类.在2个广泛使用的数据集上进行实验,结果表明:相较于其他方法,文中方法可显著提高分类精度.