基于增强纹理谱描述符的图像检索①

提出了一种从图像低频信息提取纹理特征的方法。首先根据图像局部区域灰度均值与全局灰度均值间的关系,获取反映图像低频信息的二值图像;然后基于该二值图像,采用类似灰度共生矩阵的方法描述其纹理特征。实验结果表明,采用文中方法结合传统纹理谱描述符可有效提高图像检索的效率。     

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.     

基于局部方向纹理谱描述符的图像检索

提出了一种改进的局部方向纹理谱描述符。根据图像局部邻域中心像素及与其相对像素间的灰度关系及灰度差异关系来定义局部区域纹理方向,在此基础上结合中心对称局部二值模式的定义给出了新的局部方向纹理谱的定义。新描述符在不增加特征维数的基础上,更好地融入了局部纹理信息。采用不同图像库及不同评价准则进行图像检索对比实验,结果表明,该方法取得了较好的检索效果。     

基于二进小波变换及局部二值模式特征的图像检索

纹理是一种反映像素的空间分布属性的图像特征,成为图像分析的重要手段。在图像检索领域,由于小波变换具有方向性、局部特性、多尺度特性,使得图像的纹理特征能得到更好的表征。局部二值模式是提取图像纹理特征的有效工具,具有旋转不变性和灰度不变性。利用性能良好的 Bubble 小波对图像进行二进小波变换得到四个子带图像,其中低频子带包含原图信息最多,对角线方向的子图包含信息最少,其余两个子图包含信息介于两者之间,因此选取低频和垂直,水平高频图像,然后对分量利用等价局部二值模式提取图像纹理特征,并进行图像检索。实验结果表明该算法不仅有效地结合了小波与局部二值模式的优势,而且具有较好的检索性能。     

煤与矸石图像纹理特征提取方法

针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征提取方法。首先将煤与矸石预处理后的图像转换为局部二值模式图像,再利用该图像生成灰度共生矩阵,以角二阶距、相关性、对比度和熵作为纹理特征进行均值和归一化处理,最后用支持向量机进行训练,得出识别结果。实验结果表明,该方法能够有效地提取到煤与矸石图像的纹理特征,煤和矸石的识别率分别为94%和96%。     

基于MBLBPV算法的布匹瑕疵检测方法

针对布匹瑕疵检测,在传统局部二值模式(Local Binary Pattern, LBP)与局部二值模式方差(LBP Variance,LBPV)的基础上,提出一种基于多尺度分块局部二值模式方差(Multi-Scale Block Local Binary Patterns Variance, MBLBPV)的检测算法。首先,采用适当尺度大小的子区域灰度均值代替单像素灰度值,提取LB P特征,以降低噪声影响;然后,融合图像区域对比度信息,并将其作为编码值的权重,提取图像MBLBPV特征,并基于该特征实现瑕疵的检测。实验结果表明,相对于传统方法,MBLBPV抗噪力强、检测正确率更高。     

基于增强方向局部二值模式的纹理分类

针对方向局部二值模式特征维数高且易受噪声影响的问题,提出了增强方法。首先,在方向局部二值模式的基础上,通过将局部邻域划分为多个8-正交邻域的策略,来降低方向局部二值模式的特征维数;其次,在方向局部模式中引入局部三值模式的思想,以减少噪声的影响。采用CURet、UIUC及Outex三个纹理图像库进行试验,结果证明了本文方法以较低的特征维数取得了更好的分类性能。     

基于Float-LBP算法的纹理图像检索

局部二值模式(LBP）仅依赖中心点和其邻域点在灰度上的差异,忽略了邻域点之间的浮动关系,导致表征能力较差,因此提出了一种改进的LBP算法。在对图像LBP二值化前,首先将邻域点按顺时针方向和其相邻的点进行比较得到一串类似于LBP算子的二进制序列;然后对这一序列进行十进制编码,并将这一部分的特征记作Float-LBP(F-LBP);最后再和原始的LBP算子提取的特征结合作为整幅图像的纹理特征。实验表明,通过F-LBP和LBP算子的结合,在保留局部微观纹理的前提下增加了更多的图像纹理分布信息,提高了算法的检索精度。     

基于局部排序差值细化模式的纹理图像分类EI北大核心CSCD

针对传统局部二值模式及其扩展算法存在特征维度高、不能充分体现局部邻域像素间差值大小信息等问题,提出一种局部排序差值细化模式(LSDRP).首先根据采样半径大小对图像进行相应规格的高斯滤波,并按灰度值将局部邻域采样点排序;然后计算局部排序邻域内像素间的差值并将其融入排序二值编码对应位置的权值中,从而生成LSDRP特征;最后选取LSDRP特征模式中的高频模式表征图像,并级联多个半径下LSDRP特征的高频模式构成图像纹理的多尺度表示.在Outex,CUReT和UMD纹理库上的实验结果表明,所提算法计算简单且能在低维度条件下有效解决纹理分类中存在的光照、旋转变化问题;特别是在TC10,TC12_000和TC12_001纹理库上仅需120维特征即可分别达到100%,99.38%和99.72%的分类精度.     

基于梯度和局部多值模式的图像纹理特征提取

为了进一步增强局部二值模式的纹理特征表达能力,提出了一种将图像梯度同局部多值模式相结合的纹理特征提取方法.该方法首先计算出图像的梯度幅度和梯度方向,并根据量化的梯度方向对幅度图进行分解,之后利用得到的幅度图对其进行局部多值模式特征的提取,得到一种新的纹理特征,最后将得到的特征进行图像检索实验.实验结果表明,在纹理丰富的检索库上,该方法所提取的纹理特征更加具有通用性,相对传统局部二值模式图像检索方法具有更好的稳健性和更好的检索效果.     

自适应的Haar型LBP纹理特征提取算法研究

在提取纹理图像的Haar型LBP特征中,人为设定的判断阈值主观性强、局部性差,导致提取的纹理细节和边缘模糊、纹理图像的局部性易被忽略。为此,提出了一种自适应的Haar型LBP纹理特征提取算法。该算法在二值化Haar型特征时引入高斯加权矩阵,以此获得客观、符合纹理图像局部特征的自适应判断阈值和Haar型LBP特征。实验结果表明,该算法能够有效地避免人为设定阈值对纹理特征的影响,可以准确地描述图像的纹理特征,Brodatz标准纹理库分类的正确率也得到了进一步的提高。     

基于多级CS-LBP特征融合的人脸识别方法

通常,采用中心对称局部二值模式CS-LBP对人脸图像只进行一次特征提取,提取的纹理特征不够丰富。因此,本文利用CS-LBP多次提取人脸图像更丰富的纹理特征,提出了多级CS-LBP特征融合的人脸识别算法。首先,用CS-LBP对原始人脸图像进行特征提取;然后,对所得特征图像再进行相同方式的特征提取,这样能够得到原始人脸图像的多级CS-LBP特征图像;最后,将每一级特征图像的分块直方图特征进行融合并用于人脸识别。在ORL、Yale标准人脸库上的实验结果表明,相比人脸图像的一级CS-LBP特征,多级CS-LBP特征融合的方法能够显著提高识别精度。     

加权局部二值模式的人脸特征提取

目的 为了能够得到图像更加丰富的纹理特征,提出一种新的自适应加权局部二值模式算法。方法 首先,将图像进行分块,利用新算法提取每个子块的局部二值模式的纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征。提取每个子块的局部纹理特征时的方法为:以某一像素点为中心取相邻的8个像素组成一个局部邻域,在该邻域内依据自适应设定的阈值分别比较3对水平方向和3对竖直方向像素值的大小,以此获得6位二进制码并将每位二进制码乘以相应的权重后相加,累加和即为该邻域新的局部二值模式纹理特征。结果 在两大人脸数据库上进行的实验结果表明,利用本文提出的方法提取纹理特征,并结合最近邻分类法可以得到85.29%和96.50%的正确识别率。结论 文中提出的自适应加权局部二值模式特征能够获取图像中更加丰富的纹理信息,因而具有较高的正确识别率,并且对于其他的物体识别也具有一定的参考价值。     

基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究

提出一种基于LBP算子与多尺度分析手段的高分辨率遥感影像道路提取方法。首先使用邻域均值作为阈值进行二值化,以改进一般LBP算子;再根据局部方差与尺度间的关系,找到适合道路LBP纹理值的最佳尺度;最后利用区域生长和形状指数提取最佳尺度下的影像道路信息,并通过尺度收缩关联到原始影像。实验结果表明本文方法可取得较好效果。