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。     

区域块SFIT-MTLBP人脸识别研究

在少量样本情况下,为了解决传统LBP算法对人脸特征提取分类鲁棒性不强问题,提高人脸特征选取的泛化能力,提出一种在人脸面部区域基于SIFT特征点检测的MTLBP人脸识别算法。从人脸五官区域选取尺度不变的关键点,并在其邻域选取MTLBP纹理特征,结合SIFT描述算子和MTLBP特征直方图形成一系列特征,对该人脸特征空间向量进行分类识别。在相同的少量训练样本下,该算法与原始LBP算法及其它改进型LBP算法相比,识别率提高了20%左右。     

自然景物分类的特征提取

颜色和纹理是自然景物分类的两个重要底层特征.本文介绍基于DCT变换的颜色特征提取方法和基于最佳小波包的色彩纹理特征提取方法.基于DCT变换的颜色特征提取方法可以解决颜色直方图方法丢失颜色的空间分布的问题,提高分类效果,也适合于区分色调接近的物体.如果采用Gabor滤波变换方法提取纹理特征,虽然可以取得良好的分类效果,但是计算得到的纹理特征向量具有维数较高、速度慢的缺陷.本文用最佳小波包变换方法提取纹理特征,并进行实验验证结果表明,最佳小波包方法与Gabor滤波方法相比,不仅可以更有效快速提取纹理特征,提高分类效果,并且使得纹理特征向量具有较低的维数.     

RSA数据加解密算法的研究及其Delphi实现

局部二值模式LBP是一种有效的纹理描述算子,能够度量和提取图像的局部纹理信息,对光照具有不变性。针对LBP在人脸识别特征提取时存在维数过高、识别效果不佳的问题,在FERET人脸库上对LBP和Fisherface的结合算法进行实验。实验结果表明:相对于原始LBP表达方法,结合LBP和Fisherface的人脸表达能有效降低计算复杂度,同时也提高了识别精度。     

融合颜色与LBP纹理特征的布料色卡图像检索

针对在采购与销售布料中存在人工配色不准确、查找分类难等问题,基于图像检索相关技术,通过融合布料色卡图像的颜色特征和纹理特征进行图像检索应用研究。设计了布料色卡图像颜色特征提取算法和基于LBP的纹理特征提取算法,并提出融合颜色特征和纹理特征的布料色卡检索算法。对提出的融合颜色和纹理特征的布料色卡图像检索算法在3个标准图像纹理库和实际布料色卡图像数据集进行了详细的对比测试。通过对测试结果的分析,得出在融合颜色和LBP纹理特征的布料色卡图像检索方法中采用先颜色后纹理的策略进行布料色卡图像检索是最有效的检索方案。     

一种用于工件识别的LBP-HOG特征融合方法

针对目前机器人在工业现场对工件目标识别过程中出现的低识别率问题,提出一种基于GA寻优的LBP-HOG特征融合方法,结合SVM对工件图像进行分类识别.首先,分别运用了基本LBP算子、LBP等价模式以及LBP旋转不变模式,结合不同去噪方式,评价并选择最优的LBP算子,然后,利用LBP和HOG算子分别提取工件特征,并以组合向量方式融合两类特征.最后,利用GA寻优两类特征的融合权重,通过反复评价SVM对融合特征的识别效果,更新权重,最终得到最优权重和最优识别精度.实验结果表明,单独使用LBP和HOG的图像识别率分别为80%和84%,而GA寻优后的LBPHOG组合模型,准确率提高到了96%.     

基于多特征融合和深度学习的图像分类算法

图像特征提取方法以及分类器的选择是影响图像分类精确度的关键因素.传统算法利用单一的图像特征和浅层结构对图像进行分类,算法实现简单但结果精确度不高.针对这一情况,提出基于多特征融合和深度学习的图像分类算法.算法利用颜色矩、LBP和梯度直方图等算法提取图像的颜色、纹理以及形状特征,继而通过融合算法将这些不同属性的特征进行融合,作为深度学习网络的输入层.实验结果表明,相对于单特征浅层分类,算法在保证时效性的同时,图像分类精确度得到了提高,分类效果更加可靠.     

基于多尺度小波的城市遥感图像纹理特征提取

遥感技术为人们提供了大量的图像数据,如何从中提取所需信息,是遥感图像处理技术研究的热点。基于多尺度小波变换,可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点,确定合适的窗口大小,采用逐一滑动窗口的方法,对每一窗口提取相应的小波统计特征;应用小波变换的多尺度特性,在不同尺度上提取出子图像特征,构造出纹理特征矢量,为遥感图像的分类提供纹理特征。     

基于改进的LBP特征和随机森林相结合的人脸关键点检测方法研究

提出了一种人脸关键点检测方法,该方法用了少量的正面图像,不用归一化人脸图像,而传统的人脸关键点检测方法需要对图像进行严格预处理。随机森林是一种分类器融合算法,可以很好地解决多类分类问题,虽然LBP特征简单,但其可以包含大量的纹理信息。利用改进的LBP特征与随机森林相结合,构成一种对人脸关键点检测的方法。通过高斯平滑图像的LBP特征的提取,对每个点生成特征,计算出有用的特征作为正例,并且与反例集合变为训练集。通过随机森林分类器进行分类,误差率较低,仅在10%左右。     

特征融合在植物叶片识别中的应用研究

利用模式识别领域的特征融合方法进行植物叶片识别,植物叶片对植物种类分辨与认知具有重大作用,其纹理、形状是分辨植物种类的一个极佳指标。以植物叶片为研究对象,提取叶片的LBP纹理特征、HOG纹理特征以及形状特征,设计多特征融合模型,基于ECOC-SVM多分类器对UCI数据集32种640张植物叶片图像进行训练、分类。实验结果表明,基于多特征融合模型训练的ECOC-SVM对数据集中的叶片有很好的描述能力,识别率达92%,识别效果较好。     

双树复小波域基元共生矩阵的纹理特征提取方法

提出了一种双树复小波域基元共生矩阵的纹理特征提取方法。利用双树复小波域作为分析域,以纹理基元作为依据,来描述纹理的局部特征,提取图像纹理特征值。实验结果表明,该方法能有效提取出多尺度、多方向的纹理特征,并兼顾纹理局部随机性和整体规律性,所提取的纹理特征具有良好的聚类分离度和类内样本差异性。     

基于多进制小波变换的B超图像分类

纹理分析是肝脏B超图像识别的重要方法,本文利用多进制小波变换提取脂肪肝和正常肝脏的纹理特征,结合空域特性对B超肝脏图像进行分类,采用自适应浮动搜索算法进行特征筛选,经实验测试,取得了较好的效果。     

基于相位同步与AR的运动想象脑电信号特征提取研究

运动想象脑电信号的特征提取对脑-机接口研究者是一大难题。针对该问题,介绍了一种相位同步和AR模型系数相结合的特征提取方法。该方法对采集的脑电信号进行Hilbert变换计算脑电信号的相位同步特征,选用Burg算法对滤波后的脑电信号进行AR模型谱估计,比较6阶和8阶功率谱密度,求出AR模型的系数为6。采用支持向量机对两种特征组合的14维特征向量进行分类。分类结果显示在Trail的3s~7s期间,相位同步与AR模型系数相结合的特征提取平均分类正确率为82.58%,最高分类正确率达到了88.96%,优于传统的小波变换和共空域模式特征提取方法。实验结果也表明相位同步特征提取的最佳时间为Trail的3s~7s期间,该方法为BCI研究运动想象脑电信号的分类识别提供了有效手段。     

利用纹理方向信息的地震剖面图像分割

利用地震剖面图像具有显著方向性的特点进行纹理分析,通过二进制模板(LBP)作为微观的纹理方向信息度量结合laws作为宏观测度对地震剖面图中纹理的方向信息进行提取,最后利用FCM进行分类,达到分割的目的.仿真实验表明该算法具有一定的抗噪性,能有效地提取地震剖面图中纹理的方向信息,分割效果有一定提高.     

一种高分辨率遥感影像车辆检测方法

高分辨率遥感影像中车辆具有不同的光谱表现,同时车辆对象往往与道路交通标志保持近似的光谱特征,这使得高分影像车辆检测通常面临较大困难。针对以上问题,提出一种基于多方向形态学变换的车辆检测方法,该方法由对象增强处理、候选对象提取、车辆对象特征验证等3个步骤构成。所提出的集成多方向线状结构元素的形态学顶帽（top hat）变换和底帽（bottom hat）变换分别实现了对亮色对象和暗色对象的增强处理,处理过程中同时顾及了车辆对象的几何结构特征,抑制了非车辆对象的干扰。基于初步提取结果,引入了基于多特征的车辆验证过程,进一步精确化车辆检测结果。基于城区高分辨率遥感影像的车辆检测实验证明了该方法的有效性。     

融合纹理和形状特征的人脸图像性别识别

针对人脸图像性别识别中单一特征识别率不高的问题,提出了融合纹理特征和形状特征的人脸图像性别识别方法.通过局部二值模式(LBP)及其改进算法提取人脸图像的纹理特征,梯度直方图(HOG)提取人脸图像的形状特征,融合两个特征利用Adaboost分类器进行人脸图像的性别分类.在ORL人脸数据库和自制人脸数据库CZB上的实验结果表明,相对于直接利用像素特征和单一特征的识别方法,融合多特征的人脸性别识别方法的识别率明显提高.     

基于模糊函数和K-L变换的超声信号特征提取方法

用模糊函数表示超声信号,以解决特征提取时不同中心频率和不同到达时间的超声信号的预处理问题,并为信号分类提供时频特征。提出采用Karhunen-Loeve(K-L)变换提取信号的模糊平面特征,并对特征的分类能力进行了分析。实验结果表明模糊函数能有效去除信号的中心频率和到达时间的差异,用K-L变换提取的模糊平面特征能在低维空间有效地描述超声信号,并能获得较好的分类效果。     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法．该算法在源图像小波变换的高频子带内，利用局部LBP算子极大的方法得到小波重构高频系数，而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到．然后由此高频和低频系数进行小波重构得到融合图像．实验采用可见光图像与SAR图像融合，结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息，并且能够有效抑制源图像中孤立噪声点．     

基于小波变换的工具痕迹图像识别研究

工具痕迹是一种出现在刑事案件中的重要物证,同时也是串并同类案件的重要依据。充分利用案件现场的工具痕迹有着十分重要的意义。根据小波变换原理,从纹理分析的角度出发,对工具痕迹图像进行二维小波变换,提取灰度共生矩阵的相关特征参数构造BP神经网络对痕迹图像进行分类识别,实验表明,该方法能细致的描述工具痕迹图像的纹理特征,可以辅助刑事技术人员进行工具痕迹图像特征的比对分析。     

一种基于LBP的人耳特征提取方法

在PCA+FLDA算法基础上,提出了一种新的基于LBP的人耳特征提取方法。采用LBP算法与PCA+FLDA算法相结合的人耳特征提取方法在识别率方面与传统特征提取方法相比有明显提升。