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。     

木棉和棉的自动识别

木棉和棉同属于纤维素纤维,化学性质非常相似,采用传统方法不能有效地鉴别.通过光学显微镜获得的纤维纵向图像发现,木棉纤维纵向较为光滑,没有类似棉的天然转曲,因此可以利用图像处理的方法进行纤维识别.首先提出了一种纤维分离算法,通过轮廓和骨架的分离,从而有效地分离交叉纤维.然后利用灰度分布特征和经典模式识别方法实现了木棉和棉的自动识别.     

多距离特征匹配的篡改图像检测算法

为了解决当前篡改图像的检测算法主要依靠单一的特征进行描述以及欧几里德距离进行匹配,导致篡改图像的检测率较低的问题,以及在对图像复制粘贴后进行一系列后处理操作的篡改图像检测时,容易出现匹配错误和鲁棒性差的问题,采用一种多距离特征匹配的篡改图像检测算法。首先,对获取到的图像提取尺度不变特征变换(SIFT)特征,在SIFT特征待描述区域的基础上,提取具有权值旋转不变均匀性的局部二值模式(LBP)特征,构成特征描述子;其次,分别计算描述子之间的标准欧几里德距离、相关距离以及汉明距离,通过多距离匹配改进g2nn算法进行特征的初次匹配;最后,通过凝聚型分层特征聚类以及随机一致性(RANSAC)算法去除存在的错误匹配点,完成篡改图像的检测。在MICC-F220图像数据库上进行了测试,实验结果表明,与当前2种主流算法相比,总体准确率分别提高了2.86%和2.11%,对于缩放、旋转以及缩放+旋转的后处理均具有很好的鲁棒性,是一种研究复制粘贴后进行缩放和旋转后处理的篡改图像检测的有效方法。     

棒状交叉颗粒分离算法

使用光学显微镜观察棒状颗粒时,采集的样品图像中不可避免的会出现颗粒叠加交叉的情况,为准确测量棒状颗粒的形态参数,必须实现棒状交叉颗粒的分离。首先提取颗粒角点,再通过图像细化找到骨架交叉点,计算出颗粒角点到骨架交叉点的距离;依据设定的判断准则,筛选出棒状颗粒的轮廓交叉点,然后根据提出的棒状交叉颗粒分离算法,实现棒状交叉颗粒的分离。实验数据表明所提算法对棒状交叉颗粒分离的准确性大于95%。     

基于改进FAST检测的ORB特征匹配算法

针对ORB(oriented FAST and rotated BRIEF)特征匹配算法在实时性要求较高领域效果不佳以及在复杂光照环境下匹配精确率较低的问题,提出了一种基于改进FAST(features from accelerated segment test)检测的ORB算法。首先,对待处理的灰度图像进行分类,剔除掉部分灰度变化率较低的区域,然后提取FAST特征点并计算描述子,最后采用汉明距离完成匹配。此外,在提取FAST特征点时,设计了一种自适应半径,利用图像对比度自适应调整检测半径,当图像对比度突变时依然能够保证期望的特征点数量。实验结果表明,改进后的ORB算法匹配时间缩短了16. 47%,大幅提高了在复杂光照环境下的匹配精确率,具有较强的鲁棒性和实时性。     

基于区域填充的纤维图像提取算法

对天然纤维显微图像中所有纤维对象的正确分离和提取,是棉麻纤维特征分析的必要前提.针对纤维图像中图像背景、纤维边缘和纤维内腔的灰度分布特性,提出基于区域填充的纤维图像提取算法.该算法以各个"纤维内腔"为图像分离提取的标准,采用膨胀区域填充的方法,并通过距离变换自动确定填充起始点,对经过二值化处理的纤维图像中的背景和纤维进行了区分,从而得到各个纤维对象的正确提取.该算法能够有效处理纤维图像间的黏连问题.     

压缩感知在ECT分相含率检测中的应用

该文研究了压缩感知(CS)理论在电容层析成像(ECT)问题中的应用,有效解决了图像重构中的欠定性问题,从而通过图像计算两相流中的截面分相含率。首先,采用时域基作为图像向量的稀疏基,并采用高斯随机对灵敏度矩阵进行重新排序,设计其观测矩阵;然后,将不动点迭代算法FPC应用于凸优化问题的求解,得到重构图像;最后,利用最优阈值算法对重构图像进行灰度处理,由灰度图像进行分相含率的计算。在仿真实验阶段建立ECT传感器模型,对3种典型两相流流型进行重构,并与经典的LBP,Landweber算法综合3种重构效果评价指标进行比较。仿真结果表明:基于CS的ECT重构算法在只有少量测量数据的情况下也能精确地重构图像,且成像质量远高于LBP算法,并优于Landweber迭代算法,成像速度也大幅提升,有效提高了分相含率检测的准确性。     

基于NMF图像摘要的Web商品图像检索

提出了一种基于非负矩阵分解图像摘要的图像检索方法.算法首先进行平滑、边框裁剪等图像正规化处理,然后利用非负矩阵分解其灰度图像得到特征系数矩阵,再将其量化构造图像摘要,最后基于最短图像摘要的汉明距离进行图像相似性检索.实验分析结果表明,该摘要对图像多类修改均表现出良好健壮性,查全率和查准率都较基于颜色直方图和基于SIFT特征的方法有较大提高,可较好地满足Web商品图像检索要求.     

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。     

基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

基于张量黎曼度量的序列图像匹配光流场计算方法

使用序列图像的灰度-时空张量描述子来描述图像特征,并在此基础上提出了一种基于张量黎曼度量的序列图像匹配光流场计算方法. 该方法使用张量的黎曼度量给出序列图像特征描述子间距离的定义,并使用改进的Hausdorff距离取代欧式距离来完成黎曼度量的计算,据此构造序列图像匹配相关函数,以提高图像在噪声及遮挡情况下的匹配能力;在上述基础上,给出匹配光流场算法. 仿真结果显示,该算法相对于传统基于微分的光流场计算方法（H-S算法,L-K算法）和传统的基于灰度的块匹配算法在计算精度、抗噪声等方面更有优势.      

基于HOG-多尺度LBP特征的人脸性别识别

针对人脸性别识别中单一特征描述子对人脸信息表达的不足,提出一种方向梯度直方图(histogram of oriented gradient,HOG)和多尺度局部二值模式(local binary patterns,LBP)多特征融合的人脸性别识别算法.首先,对输入图像进行裁剪和缩放得到多个分辨率的人脸图像,再分别提取LBP统计直方图并合成一个特征向量;然后,提取目标图像头肩模型的HOG特征得到HOG特征向量;最后,将LBP特征向量与HOG特征向量合成一个新的特征向量,应用支持向量机(support vector machine,SVM)进行训练.在自建的人脸库中采用10折交叉法测试该算法的准确性,准确率可达93.0%,结果表明该算法对人脸性别识别的准确率优于其他单一的特征提取算法.     

利用位平面欧拉-熵向量的图像检索方法

首先将图像分解为8个位平面,选择前4个重要位平面,求出其灰度码表示,计算出每个灰度码位平面的欧拉数,组成欧拉向量;其次计算出每个灰度码位平面的信息熵,组成位平面熵向量;再把欧拉向量和位平面熵向量特征综合为一个新的图像特征,最后采用马氏距离计算图像间的相似度.实验结果表明本方法维数低,速度快,且避免了图像量化造成的误检,与比位平面熵算法和欧拉向量算法相比,检索效率高.     

一种基于LBP和DLDA的人耳特征提取方法

本文提出了一种新的基于局部二值模式（LBP）和直接线性判别（DLDA）的人耳特征提取方法。LBP对局部纹理信息特征的提取性能和与灰度整体变换的无关性,使得其在人耳特征提取方面具有很强的优越性。采用LBP算法与直接线性判别分析算法相结合的人耳特征提取方法在识别率方面与原始图像特征提取方法相比有明显提升。     

基于彩色空间多特征融合的表情识别算法研究

目前的人脸表情识别方法大多是在灰度图像上采用单一特征算子,如 Local Phase Quantization(LPQ),Local Binary Patterns(LBP),Histograms Of Oriented Gradients(HOG),Gabor等,进行分类识别,但这类方法在复杂光照条件下识别率并不理想。为取得较好的识别率,本文首次提出了基于彩色图像多特征融合的表情识别算法。该算法首先在不同彩色分量上分别提取LPQ、LBP、HOG及Gabor多种特征,然后对高维特征进行线形鉴别分析并采用最近邻法进行表情分类,最后对多特征分类结果采用Adaboost算法进行融合。本文算法在具有复杂光照条件的Multi-PIE人脸库上进行了验证,取得了88.30%的平均识别率。实验结果表明：相比于基于灰度图像的单一特征识别算法,本文提出的算法能较大幅度地提高人脸表情识别率。     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

基于多尺度的掌纹辨识算法

为了解决局部二值模式(Local Binary Pattern,LBP)不能有效的提取掌纹不同尺度的特征,提出一种对曲线有很好描述、多尺度的第二代曲波变换(Curvelet)与LBP选择性结合的多尺度掌纹辨识算法。首先将原始掌纹图像进行Curvelet变换,获得不同尺度的掌纹图像;其次对得到的掌纹图像选择性使用LBP提取特征;最后采用卡方距离对不同的掌纹进行分类。通过对PolyU掌纹图像库中具有不同光照、平移、旋转的图像进行验证,证明了此算法对光照、旋转、平移都有很好的效果,且识别率高于LBP算法与其他传统算法,达到99.20%,证明了此算法的有效性,同时,特征提取与匹配时间为139.4×10-3s,满足实时性要求。     

基于二次修正的LBP算子和稀疏表示的人脸表情识别

针对传统局部二元模式(LBP)算子存在直方图维数过高而导致识别速度降低和二值数据对噪声很敏感的问题,在分析传统LBP算子的原理基础上,对人脸表情特征的数据量增加、人脸表情特征向量和特征识别过程的优化进行如下改进:将人脸表情图像经过小波包的分解和重构,得到4幅不同频段的图像,从而有效地增加原表情图像的数据量;采用修正的LBP算法对人脸表情图像进行特征提取,并通过稀疏表示模型优化其特征向量,有效地降低传统LBP直方图的维数,提高人脸表情识别率,二次修正的LBP算法鲁棒性好;构建基于神经网络的多分类器模型,融合多特征多分类器的输出,有效地提高表情特征分类的准确性和稳定性。研究结果表明:与传统LBP算法对比,本算法用于人脸表情的识别时,其识别率得到较大幅度提高,算法鲁棒性好。     

基于FAST特征点提取的图像拼接算法

针对SIFT图像拼接算法在特征点提取阶段,采用基于差分高斯金字塔的方式导致的算法运行时间较长,且易造成特征点漏检、位置偏移的问题,提出一种基于FAST特征点提取的图像拼接算法。该算法首先对拼接图像进行基于FAST算法的特征点提取,取代原有SIFT算法中特征点提取方式,然后对提取特征点进行描述和向量匹配,利用欧氏距离和RANSAC算法实现配准,最后通过加权平均融合算法完成图像拼接。仿真实验表明,该算法加快了特征点的提取速度,提高了定位准确性,更有利于得到灰度整体和谐的拼接图像。