纹理谱描述符及其在图像检索中的应用

为了提高纹理谱描述符的性能并降低其特征维数,在中心对称局部二值模式纹理谱描述符的基础上,提出一种融合局部区域中心像素以及灰度均值的改进纹理描述模式.首先根据图像局部区域内中心像素与其邻域像素间的灰度变化关系,定义了新的局部纹理模式;然后通过比较局部区域内灰度均值与图像全局灰度均值的大小,对局部纹理模式进行了增强处理.采用不同纹理图像库及不同的性能评价准则进行实验的结果表明,文中方法在基于内容图像检索中取得了较好的效果.     

一种新的局部纹理描述模式

提出一种新的图像局部纹理模式描述方法.首先通过比较8-邻域内像素灰度与邻域灰度均值的关系,对8-邻域进行二值化;然后将与邻域中心像素相对的水平、竖直及对角四个方向所得到的二进制序列的值和相应的权值模板对应相乘求和,就得到新的局部纹理模式;同时,文中对新纹理描述模式进行了进一步增强处理,兼顾了局部邻域的高频及低频特征.采用不同图像库进行实验,结果表明,新纹理模式的检索性能明显优于文中提到的其它方法,而且其特征维数还不到其它描述符维数的一半.     

三维花粉图像局部二值模式提取方法

针对二维特征无法描述三维花粉图像的内部结构和三维空间像素关联问题,提出一种三维花粉图像局部二值特征提取方法.首先选取特征平面用于标记局部灰度变化方向;然后计算中心像素邻域上的局部灰度方向向量,并根据局部灰度方向向量计算最优特征平面;再在最优特征平面上计算该像素的局部纹理特征构建特征矩阵;最后提取该矩阵的统计直方图描述子作为鉴别特征,用于三维花粉图像分类识别.通过在欧洲Confocal和Pollenmonitor这2个标准花粉库,以及中国境内实时采集花粉图像库CHMonitor上的实验结果表明,该方法的识别率最高可以超过95%,同时对于花粉图像的比例和姿态变化具有较好的鲁棒性,和传统方法相比具有更好的识别效果.     

基于灰度共生矩阵的边缘检测方法

对传统的边缘检测算子进行了分析,指出了存在的不足;同时针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,通过将纹理分析的思想和传统的边缘检测算子相结合,提出了一种基于灰度共生矩阵的边缘检测新方法.该方法对图像进行纹理分析后自适应地选择模板,因此很好地保持了图像边缘的细节并且抑制了噪声.通过MATLAB仿真实现,结果表明由灰度共生矩阵产生纹理特征能有效地描述火焰的纹理特征,具有较好的鉴别能力.     

一种鲁棒的图像局部特征区域的描述方法

提出了一种鲁棒的图像局部特征区域的描述方法,即IWCS-LTP(Improved weighted center symmetric local trinary pattern)描述子.该方法对图像局部特征区域采用类似SIFT描述子的分块处理,可以使描述子包含更多的结构信息; 采用ICS-LTP算子进行编码,可以在不大量增加描述子维数和计算量的同时对图像的梯度方向信息进行更具体的描述; 采用加权纹理谱直方图计算方法可以使描述子包含图像的梯度幅值信息.大量的实验结果验证了该描述子的有效性.     

边缘检测中的改进型均值滤波算法

针对传统高斯滤波器算法存在边缘模糊及局部伪影的问题,提出一种改进型均值滤波算法,以有效去除图像中的高密度脉冲噪声。通过求解图像直方图,检测图像直方图的左右2个峰值点,以查找出可疑的噪声点,进而使用灰度值确定其坐标。利用图像像素点周围灰度值的相似性,在局部窗口选择递归加权平均值代替被污染的图像像素点灰度值。结合自动选择Canny算子的双阈值方法,对灰度图像边缘进行检测。实验结果表明,该算法的算子滤波效果优于LOG算子和传统灰度Canny算子,且具有较好的稳定性。     

自适应中心对称局部三值模式的人脸识别

针对局部三值模式描述人脸图像纹理特征时直方图维数过高以及阈值不能自适应选取的缺陷,提出一种自适应中心对称局部三值模式方法。首先,用具有降低维数的中心对称局部三值模式算子对人脸图像编码,把邻域像素均值引入编码中以增强抗噪性能;其次,嵌入统计邻域均值与邻域像素的标准差作为阈值以自适应提取人脸特征,并统计特征直方图;最后用卡方距离度量训练样本特征直方图和测试样本特征直方图的相似度,采用最近邻分类器分类识别。所提算法在YALE、Extended Yale B人脸图像库上的最高正确识别率分别达到99.67%,99.33%;识别一张人脸的速度分别达到0.1984和0.3988 s。实验结果表明,所提算法对光照变化和噪声更加鲁棒,有效提高了人脸识别的精度和速度。     

基于二维小波亚像素图像处理的螺纹尺寸测量

针对传统微分算子图像处理方法的不足,提出一种基于二维小波降噪的亚像素图像处理方法。首先对获取的图像进行灰度值处理,通过二维小波变换消除图像噪声、重构图像、边缘检测,得到螺纹像素级的边缘图像及灰度二维矩阵。然后采用最小二乘算法拟合,得到亚像素级精度图像直线和中心标定位置及矩阵,计算螺纹大、小径尺寸,解决人工测量和传统图像处理算法精度不足的问题。最后,设计螺纹尺寸测量系统,实现尺寸测量的可视化和应用化,满足测量精度要求。     

基于局部能量的边缘检测方法

本文从局部能量的角度提出了一种有效的图像边缘检测方法.在以一个像素点为中心的对称区域中,计算区域内所有像素的灰度值与中心像素的灰度值之间的差值,将差值平方的总和作为中心点所对应的局部能量.该局部能量可以有效地用于检测图像的边缘,因为边缘点的局部能量要比对应光滑区域内的像素点大得多.根据本文所构造的局部能量函数可以有效地找到边缘点.本文使用Baddeley误差度量（BEM）方法来评估本文方法检测结果的准确性.实验结果表明本文方法检测效果比较好.     

融合显著性因子的行人纹理提取

针对基于纹理信息的行人特征提取算法中存在特征信息冗余度大,无法刻画人眼视觉敏感性的不足,提出一种融合人类视觉感知特性的基于显著性局部二值模式(SF-LBP)的行人纹理特征提取算法.该算法首先采用显著性计算方法提取感兴趣区域得到各部分的显著性因子;然后将显著性因子权值与行人纹理特征根据核函数相融合,生成基于SF-LBP算子的特征向量;接着统计不同区域的特征向量,形成特征直方图;最后结合自适应AdaBoost分类器构建实验平台进行实验.INRIA数据集中的实验结果显示,SF-LBP特征在检测准确率上比梯度直方图(HOG)特征、Haar特征高出2%~3%,达到97%,召回率达到90%,提高了2%左右,表明SF-LBP算子能够准确描述行人的纹理特征,提高行人检测系统的准确率.     

融合多特征与先验信息的显著性目标检测

目的 图像的显著性目标检测是计算机视觉领域的重要研究课题。针对现有显著性目标检测结果存在的纹理细节刻画不明显和边缘轮廓显示不完整的问题,提出一种融合多特征与先验信息的显著性目标检测方法,该方法能够高效而全面地获取图像中的显著性区域。方法 首先,提取图像感兴趣的点集,计算全局对比度图,利用贝叶斯方法融合凸包和全局对比度图获得对比度特征图。通过多尺度下的颜色直方图得到颜色空间图,根据信息熵定理计算最小信息熵,并将该尺度下的颜色空间图作为颜色特征图。通过反锐化掩模方法提高图像清晰度,利用局部二值算子（LBP）获得纹理特征图。然后,通过图形正则化（GR）和流行排序（MR）算法得到中心先验图和边缘先验图。最后,利用元胞自动机融合对比度特征图、颜色特征图、纹理特征图、中心先验图和边缘先验图获得初级显著图,再通过快速引导滤波器优化处理得到最终显著图。结果 在2个公开的数据集MSRA10K和ECSSD上验证本文算法并与12种具有开源代码的流行算法进行比较,实验结果表明,本文算法在准确率-召回率（PR）曲线、受试者工作特征（ROC）曲线、综合评价指标（F-measure）、平均绝对误差（MAE）和结构化度量指标（S-measure）等方面有显著提升,整体性能优于对比算法。结论 本文算法充分利用了图像的对比度特征、颜色特征、纹理特征,采用中心先验和边缘先验算法,在全面提取显著性区域的同时,能够较好地保留图像的纹理信息和细节信息,使得边缘轮廓更加完整,满足人眼的层次要求和细节要求,并具有一定的适用性。     

多先验特征与综合对比度的图像显著性检测

目的 图像的显著性检测在计算机视觉中应用非常广泛,现有的方法通常在复杂背景区域下表现不佳,由于显著性检测的低层特征并不可靠,同时单一的特征也很难得到高质量的显著图。提出了一种通过增加特征的多样性来实现显著性检测的方法。方法 在高层先验知识的基础上,对背景先验特征和中心先验特征重新进行了定义,并考虑人眼视觉一般会对暖色调更为关注,从而加入颜色先验。另外在图像低层特征上使用目前较为流行的全局对比度和局部对比度特征,在特征融合时针对不同情况分别采取线性和非线性的一种新的融合策略,得到高质量的显著图。结果 在MSRA-1000和DUT-OMRON两个公开数据库进行对比验证,实验结果表明,基于多先验特征与综合对比度的图像显著性检测算法具有较高的查准率、召回率和F-measure值,相较于RBD算法均提高了1.5%以上,综合性能均优于目前的10种主流算法。结论 相较于基于低层特征和单一先验特征的算法,本文算法充分利用了图像信息,能在突出全局对比度的同时也保留较多的局部信息,达到均匀突出显著性区域的效果,有效地抑制复杂的背景区域,得到更加符合视觉感知的显著图。     

一类基于局部信息的特征描述子的图像检索

基于内容的图像检索准确性大大依赖于低层可视特征的描述。本文提出一类创新的彩色图像空间描述子、纹理描述子、边缘描述子和颜色描述子,空间描述子由局部均值直方图表示,纹理描述子由局部方向差单元直方图表示,边缘描述子由局部极大一极小差直方图表示,颜色描述子由量化HSV模型颜色直方图表示。这四种描述子被用作特征索引,它们对彩色图像,尤其是对具有相对规则的结构或纹理特征的图像具有很强的描述力。实验结果表明,用这种特征索引来检索图像,可以得到比其它基于颜色一空间方法高得多的精确度。     

基于视觉显著度的皮革表面瑕疵检测

针对汽车内饰皮革的瑕疵检测易受皮革自身纹理干扰、检测难度较大的问题,发现瑕疵存在于均匀变化图像中局部变化明显的区域,符合人眼注意机制,故提出了基于视觉显著模型的皮革瑕疵检测方法。首先提取皮革图像的颜色和亮度特征,然后利用中心周围差算子分别计算特征显著图,再融合成最终显著图,最后在此基础上利用区域生长方法对瑕疵区域进行分割,以实现瑕疵的准确定位。实验结果表明,与FCM聚类分割法、阈值分割法及SVM分类法相比,本文提出的方法具有较高的检测精度及较快的检测速度,解决了皮革瑕疵检测过程中受纹理干扰严重等问题,能有效应用于皮革瑕疵的机器自动检测中。     

基于局部谱能量自相似矩阵的纹理描述

对于纹理检测和分类中的纹理描述问题,提出一种新的基于Gabor滤波器组局部谱能量的自相似矩阵来描述纹理的方法。首先采用多尺度、方向的极坐标对数Gabor滤波器组对纹理模板进行滤波,获得频域上局部频段和方向上的纹理信息;然后计算频域上各尺度、方向上局部谱能量的自相似度量,将这些度量值以自相似矩阵的形式进行存储,并作为纹理特征的描述子;最后将这种描述方法应用到纹理检测和分类中。由于该描述子主要体现的是纹理模板在不同频段和方向局部谱能量的自相似程度,所以它对滤波器参数的依赖度较低。实验中利用纹理特征描述子可以实现比较准确的纹理检测,多类纹理合成图像分类实验的准确率达到了91%以上。实验结果说明,纹理局部谱能量的自相似矩阵是一种十分有效的纹理描述方法,其检测和分类的结果对后期的纹理分割、纹理识别等研究领域具有广泛的应用前景。