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。     

利用YUV颜色空间和纹理特性消除车辆阴影

车辆视频检测中的阴影消除通常可利用图像的颜色特性或纹理特性来进行.如果只用其中一种方法,效果不是很理想.提出了同时利用YUV颜色空间的Y、U、V三个分量和图像纹理特性进行阴影消除的方法.首先利用YUV颜色空间中的YUV分量用亮度比及颜色不变性的方法消除运动区域中的阴影;然后再利用图像的纹理特性对图像进行阴影消除;最后对两种方法的检测结果进行融合,达到了更好的消除效果.     

融合复合纹理特征的图像拼接检测

为解决传统图像拼接检测算法对图像内容、光照变化等鲁棒性不强问题,提出一种基于多种纹理特征融合的图像拼接检测方法。对二维灰度图像执行非下采样轮廓波变换（NSCT）,以获得包含图像纹理特征的一系列子带图像。对在水平和垂直方向进行差分处理的低频子带图像以及4个高频图像,获取韦伯局部描述符（WLD）纹理和局部三值模式（LTP）纹理。将WLD纹理与灰度共生矩阵结合,得到像素点强度、梯度与灰度之间的关系;再将LTP纹理与灰度共生矩阵结合,得到无噪声和光照影响的像素点灰度间关系;最后分别提取WLD值共生矩阵和LTP值共生矩阵的对比度、相关性、相异度、熵、能量等5个特征,并融合成特征向量,使用RBF神经网络分类。该方法在哥伦比亚彩色图像库上检测准确率达到了95.7%。     

面部彩色图像特征检测方法研究

传统面部图像的特征检测主要针对灰度图像和二值图像,对于彩色图像特征分类及识别的研究急需突破与发展。针对面部区域彩色图像特征,通过采集不同测试者早（健康状态）、晚（疲劳状态）的面部彩色研发图像,建立面部图像数据库,划分数据库为P（疲劳图）、Z（正常图）、R（结果）三类。根据对多个测试者早晚面部图像的HSI空间分量进行掩膜、滤波处理计算的特征值和对比统计得到的数据来测定正常与疲劳面部图像差别大小,返回正常与疲劳状态时最大特征区域和区域的颜色、色差,形成颜色特征向量。实验结果表明,亮度对于彩色图像特征检测影响很大,需要消除因为不同背景亮度对彩色图像特征检测的干扰。     

基于多通道Gabor滤波和2DPCA的虹膜识别算法

为提高虹膜识别系统的识别率和识别时效性,设计了基于多通道Gabor滤波和二维主分量分析(2DPCA)的虹膜识别算法。利用多通道Gabor滤波器对采集的虹膜进行特征提取。由于得到的特征向量矩阵的维数通常较大,会影响特征匹配和虹膜识别的运算速度,因而需要对特征矩阵进行降维处理。2DPCA算法能有效地克服传统虹膜识别系统中的"维数危机"问题,在保留虹膜特征主分量的基础上,降低虹膜匹配运算量,提高虹膜系统的识别效率。虹膜识别采用差异度匹配法,通过阈值比较得到识别结果,对容量不等的各类虹膜图库均具有良好的适应性。实验中对容量为50的虹膜图库进行了算法测试,系统的最低识别率达到了88%,识别时间仅为传统非降维识别方法的一半。理论分析和实验结果表明,该算法对虹膜纹理的特征提取精度高,识别率高,识别速度快。     

一种基于多通道滤波的曲波变换图像融合算法

鉴于传统小波变换融合算法容易出现分块效应、地物纹理模糊、丢失源图像部分细节等缺陷,提出一种基于多通道滤波的曲波变换图像融合算法.首先利用多通道滤波原理保留源图像丰富的纹理特征,再对图像进行小波分解得到高、低频分量,接着对各分量作局部脊波变换进行融合,最后经过曲波逆变换得到完整的重构图像.以SPOT XS3源图像与SPOT全色源图像为例进行融合实验,结果表明,该算法得到的融合结果从视觉和定量分析上都优于传统的小波融合算法.     

基于LLE特征降维及改进SVM的肝脏图像识别

为了提高肝脏CT图像正常和异常的识别率,提出了一种基于LLE特征降维及改进SVM的肝脏图像识别方法。在对采集的CT图提取感兴趣区域的颜色特征、形状特征和纹理特征,利用标准差变换和极差转换把这些特征规格化到0与1之间后,采用LLE算法对特征数据进行降维融合,并使用改进的SVM对待识别图像进行分类。实验结果表明,对多类特征进行降维融合比仅用单类特征能更好地表达感兴趣区域的内容信息,LLE算法较其他流形学习算法表现出更强的鲁棒性,改进的混合核函数SVM较单一核函数SVM识别率要高。该方法可以为医生辅助诊断提供参考。     

纹理的不变性特征和识别性能的视觉心理学研究

设计了三个视觉心理学实验,对人眼识别纹理过程中是否也提取了不变性的特征、以及目前的计算机识别算法的性能是否超过人眼视觉系统的纹理识别性能问题进行了实验比较,结果发现:(1)几种计算机识别算法的不变性性能与人类视觉系统的纹理不变性性能基本上是一致的;(2)人类视觉系统对纹理识别具有旋转不变性。纵观人类视觉系统,单独的数字"6"和"9"认知区别很明显,一旦它们各自随机排列,形成纹理图像后,人类视觉系统会判断为同一纹理;(3)纹理特征由物体表面所展现,它取决于视觉分辨率。观测条件在某些设定情形下,人眼视觉系统纹理特征的空间尺度,其缩放尺度不变的范围大约为2.3倍;(4)一些计算机纹理分类算法的性能在限定条件下(如多尺度纹理斑块特征方法和Gabor滤波器方法),能够达到甚至超过人类视觉系统对纹理的识别能力。     

面部图像纹理特征检测方法研究

传统面部图像的特征检测主要针对于灰度图像和二值图像,目前国内对于面部彩色图像（尤其是高清面部彩色图像）纹理特征的研究还处于起步阶段。针对于面部区域彩色图像特征,通过采集不同测试者早（健康状态）、晚（疲劳状态）大量面部彩色图像,据此建立面部图像数据库,划分数据库为P（疲劳图）、Z（正常图）、R（结果）三类。利用共生矩阵算法求得最大特征区域的纹理特征向量,用对比统计得到的数据测定正常与疲劳面部图像特征值的差别。实验结果表明,面部彩色图像的纹理特征反映了图像本身的属性,进一步描述了图像的细节信息,具有计算量小的特点。     

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.