基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

二值图像细化算法的比较与改进

本文在分析二值线图形的基本细化原理及目前流行的各种细化算法的基础上，提出一种以Ｈｉｌｄｉｔｃｈ经典算法为基础并行与串行处理相结合的细化算法。该算法大大提高了处理速度，满足工程图矢量识别系统对处理速度的要求。     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓扑结构，所获得的骨架对称性好等优点，在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图像细化方法解决二值图像细化问题开辟了一条新途径。     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题, 提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法. 首先将彩色图像变换到颜色模型中, 对图像进行下采样, 获得较高尺度的纹理信息; 然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法, 对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集; 最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测, 根据分类预测结果实现计算机生成图像的鉴别. 实验结果证明, 该算法在计算机上生成的图像特征维度较低, 鉴别率和精度较高, 能实现计算机生成图像的准确鉴别.     

基于半圆形局部二值模式结构相关性描述子的图像检索

针对传统的结构基元方法缺少对不同量化颜色层中的中心像素点与其潜在邻居的相似性信息描述问题,提出了一种半圆形局部二值模式结构相关性描述子,并将其应用在图像检索中.首先,定义了一种新的半圆形局部二值模式结构基元;其次,检测不同量化颜色层中的结构基元;最后,提取新结构基元的空间分布和对比度特征.相比传统的结构基元方法,提出的描述子检测的结构基元更加丰富,包含更多可能的结构区分性.在不同图像库上的实验结果表明了所提方法的有效性.     

基于Gabor的伸长局部二值模式及其人脸识别应用

提出一种基于Gabor的伸长局部二值模式(elongated local binary pattern,ELBP)的人脸识别方法。该方法首先对人脸图片进行Gabor滤波,得到一组Gabor幅值图像(Gabor magnitude maps,MMPs);然后利用ELBP提取每一幅幅值图像的纹理特征,并用ELBP纹理特征的直方图特征和平均最大距离梯度幅值特征联合表示该图像纹理特征;最后,通过比较测试图片和训练集的直方图交叉距离进行识别。在YALE,YALE-B,UCD-VALID,CMU-PIE等人脸库进行测试,所提方法取得了理想的效果,证明所提方法能够有效地进行人脸识别。     

邻域编码二值图像跟踪的快速算法

讨论了如何通过快速实现８－邻域编码来解决快速完成３×３窗局部运算 的问题。给出了一个快速跟踪任意复杂图像边界的完全边界跟踪算法 （ＮＣＣＢＦ）；与经典的ＢＦ和ＣＣＴ边界跟踪算法相比，ＮＣＣＢＦ算法具有速度 快和适应性更强的优点；其独特边界标记方法补充和完善了ＮＣＢＦ算法。     

二值图像Legendre矩快速算法

提出一种有效的计算二值图像Legendre矩的方法，首先使用Yang-离散格林公式将二值图像矩计算中区域内求和转换为沿区域边界求和；然后提取该图像的边界点，再利用Shu提出的公式计算出边界点的Legendre多项式的叠加值，经过这3步后，二维Legendre矩计算转化为一维Legendre矩计算，从而有效地减少计算复杂度，介绍了用Hatamian滤波器计算一维Legendre矩的方法，最后给出实验结果证明方法的可行性。     

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％。     

基于中心对称局部二值模式的背景建模方法研究

针对利用局部二元模式(LBP)进行背景建模存在模型维数过高、对噪声敏感等缺点,提出一种基于中心对称局部二值模式(CSLBP)的背景建模方法,并应用于运动目标检测.与传统LBP特征相比,使用CSLBP特征进行背景建模,可大幅度降低背景描述的维数,因而大幅度降低处理时间;并且由于其对称性,CSLBP相比LBP具有更强的抗噪能力.实验结果表明,利用CSLBP进行背景建模能有效解决LBP建模带来的维数灾难和噪声敏感问题,无论在检测效果和计算速度上都有较大的提高,能够满足实际应用的要求.     

二值图像噪声控制的算法实现

介绍二值图像噪声控制的实现思路,给出二值图像噪声控制实现的2个方法：种子填充算法和扫描线算法,分析比较2个算法实现的效率。结果表明,扫描线算法的效率比种子填充算法高。     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。     

二值图像边缘提取的新算法

边缘提取属于图像理解的低层处理阶段,就是提取被选定物体区域的外边缘轮廓。本文主要介绍了一种边缘提取的新思想,是通过以往的两个像素形成的模型以及使用第三个像素的外围空间来进一步确定待求德像素的思想。使对像素的搜索更具有目的性。通过实验,新算法与传统算法相结合可以有效地提高边缘提取的速度。     

面向指纹二值图像的两种并行细化算法

本文讨论了两种并行细化算法；其中健壮性并行细化算法是对Ａ．ＤＡＴＴＡ等人提出的算法的一种改进，作为比较，还讨论了数学形态学方法。通过在指纹细化处理中的应用，对这两种算法作了较为详细的比较。     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,并作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95.0%的识别率.平均每张人脸图像识别时间为0.14 s,表明该算法能符合实际应用的要求.     

一种改进的文本图像二值化算法

本文针对应用广泛Bersen二值化算法，结合其他改进算法提出了一种改进的文本图像二值化算法（称为Bersen--Improve算法，简写为Bersen—I算法）。Bersen--I算法不需要预先确定最大笔划宽度，并且改进了Bersen算法中的阈值选取方法，使得阈值的选择更为合理。此外，Bersen—I还具有较好的保持笔划的连通性及较强的抗干扰能力等优点。     

基于数学形态学二值图像分割算法的研究

用数学形态学方法进行数字图像的分析和处理是一种新兴的图像处理技术。图像分割在图像分析、模拟识别目标中将会直接影响到处理的结果。通过讨论数字图像中最基本的二值图像的分割算法,用数学形态算子的序结构和级联的数学形态学算法结合的方法完成对二值图像的分割。     

一种二值图像的快速细化算法

提出了一种适应于二值图像的快速细化算法，该算法利用边缘跟踪，根据边缘跟踪特点所设计的判断规则及单向链表结构存储边缘信息等技术，大大地加快了细化速度，而且占内存少，当仅需对目标模式进行细化处理时，该算法更为有效。