基于HOG多特征融合与随机森林的人脸识别

针对人脸识别在复杂环境下识别率低的问题,提出了一种基于梯度直方图(HOG)多特征融合与随机森林的人脸识别方法.该方法通过HOG特征描述子对人脸进行特征提取.首先以网格作为采样窗在整个人脸图上进行整体HOG特征的提取,并将人脸图像分成均匀子块,在包含有人脸关键部分的子块中提取局部HOG特征.然后通过二维主成分分析(2DPCA)和线性判别分析(LDA)对整体和局部特征进行降维,并进行特征层融合形成最终分类特征,最后通过随机森林分类器对其进行分类.FERET人脸库、CAS-PEAL-R1人脸库、真实场景人脸库实验表明,该方法对光照具有鲁棒性,且有较高的识别率和较短的识别时间.     

基于CLBP、改进KPCA和RF的牛肉大理石纹评级

为进一步提高牛肉大理石纹评级的正确率,提出了基于完整局部二值模式(Completed Local Binary Pattern,CLBP)、改进核主成分分析(Kernel Principal Component Analysis,KPCA)和随机森林(Random Forests,RF)的牛肉大理石纹评级方法。首先,利用CLBP提取牛肉大理石纹图像的纹理特征;其次,采用混沌蜂群算法对KPCA的核参数进行优化,使KPCA的降维效果和特征提取达到最优,获得表征牛肉大理石纹样本图像的特征向量;最后,使用随机森林完成牛肉大理石纹样本的分级识别,获得最终评级结果。大量实验结果表明,与基于分形维和图像特征的方法、基于灰度共生矩阵和BP(Back Propagation)神经网络法相比,本文方法所得识别率最高。     

LBP和HOG的分层特征融合的人脸识别

针对LBP描述子提取的纹理特征有限且不能有效地描述图像边缘和方向信息的问题,提出了LBP和HOG的分层特征融合的方法.首先利用LBP算子提取图像的分层纹理谱特征,然后利用HOG算子提取原始图像的边缘特征和基于分层LBP特征的分层HOG特征,最后将分层LBP特征分别与2种HOG边缘特征融合,得到2种不同的多层融合特征.通过在ORL,Yale和GT人脸库上进行实验,比较了15种算法的识别性能,结果证明了文中方法的有效性;相对于传统的经典降维算法、单一的LBP特征提取算法和HOG特征提取算法,该方法的识别率有很大的提高,分别达到99%,99.5%和99.14%.     

基于多尺度几何分析与核匹配追踪的图像识别

提出一种图像特征提取与识别方法.该方法利用图像多尺度几何分析中的Contourlet变换表示图像的丰富轮廓特征信息,利用Brushlet变换表示图像的纹理和平滑特征信息,将此两部分特征信息融合组成特征矩阵.选择模糊C-均值聚类算法对特征矩阵进行聚类分析,获得其数据分布信息,再采用核匹配追踪分类器进行目标识别.该方法对图像中不同种类信息采用不同的表示工具,达到有效保持原始图像中有用信息的目的.对纹理图像和遥感图像进行分类与识别,结果表明与单独Contourlet和Brushlet特征提取方法相比,本文方法识别率高、运行时间短.     

融合LBP纹理特征与B2DPCA技术的手指静脉识别方法

鉴于传统局部二进制模式 （local binary pattern， LBP） 算法对光照方向的变化非常敏感的问题，本文提出一种融合旋转不变模式的LBP算子与B2DPCA技术的手指静脉识别方法。首先提取手指静脉图像子块的LBP纹理谱特征，然后采用双向二维主成分分析方法对LBP特征向量构成的特征矩阵进行有效的降维处理，再通过比对降维后的待识别静脉图像特征向量与其他样本的特征向量之间的欧式距离来实现最终的样本分类。通过在天津市智能实验室静脉库及马来西亚理科大学FV-USM静脉库上进行实验验证，在不同训练样本数量下比较了8种算法的识别性能，相比于单一的LBP特征提取算法、经典降维算法和LBP与经典降维组合特征提取算法，该方法的识别率有很大的提高，证明了本文方法的有效性。     

基于多纹理特征融合的震后SAR图像倒塌建筑物信息提取

合成孔径雷达（SAR）凭借其全天候观测能力以及SAR图像中丰富的纹理信息,在震后建筑物倒塌评估中发挥了重要作用。针对SAR图像中倒塌建筑物纹理特征多样但利用率较低,且特征信息冗余的问题,提出一种基于主成分分析的SAR图像多纹理特征分类方法。该方法基于灰度直方图、灰度共生矩阵、局部二值模式、Gabor滤波器提取了26种纹理特征信息,构建主成分变量进行多维特征优选与降维融合,通过随机森林分类算法提取建筑物的倒塌信息。以2016年日本熊本地震为例验证了该方法的有效性,结果显示其提取精度高达79.85%,倒塌建筑物的识别效率有所提高,分类结果优于单种纹理特征提取方法及多种纹理特征组合提取法,可用于震后建筑物震害信息的快速提取。     

基于多特征融合的交通标志识别算法

综合考虑识别率、时间复杂度以及鲁棒性,提出一种边缘、纹理、颜色多特征融合和支持向量机（SVM）的交通标志识别算法。通过提取能够描述交通标志图像边缘信息的方向梯度直方图（HOG）特征并进行统计平均,与能够表示标志图像内部纹理信息的局部二值模式（LBP）特征融合得到降维后的HOG-maxLBP特征,再级联交通标志的颜色特征作为最终的特征向量,最后利用SVM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别率,而且降低了时间复杂度,增强了系统鲁棒性。     

纹理特征提取方法综述

图像纹理特征提取是图像纹理分类与分割的基础,广泛应用于医学图像、遥感图像等领域。对近期的主流纹理特征提取方法以及融合方法进行了分析与总结,并探讨了纹理特征提取方法未来的研究方向。首先详细介绍了12个主流的公开纹理数据集的特点及其适用场景;接着总结了近几年出现的一些纹理特征提取方法,并根据特征融合方式从多个角度对纹理特征融合方法进行了分类介绍;最后总结了纹理特征提取存在的难点和挑战,并对未来的纹理特征提取方法研究方向进行思考和讨论。     

支持向量机虹膜识别算法研究

提出一种基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别方法.利用形态学和圆形边缘检测算子定位虹膜,并将虹膜纹理映射到极坐标空间;定义了一种新的图像分敷维--极值加权平均分数维,用于提取虹膜特征;利用支持向量机分类器对虹膜特征矩阵进行匹配识别.试验表明,基于极值加权平均分数维特征提取和支持向量机分类嚣识别的虹膜识别系统识别率高,速度快.     

基于多特征的SAR图像的无监督分割

针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提出了一种基于多特征的sAR图像的无监督分割方法。首先提取了SAR图像的局部矩特征与灰度共生矩阵的统计量(对比度、相关度、嫡、同质性)特征;然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征;最后使用Mcan Shift方法对具有2维特征信息的像素进行自动聚类。由于Mcan Shift聚类过程中无需提供类别数,因此,这种处理是一个无监督的自动分割过程。采用了多幅SAR图像和13rodatz纹理合成图像做分割实验,结果证明:本方法与单一利用灰度共生矩阵或矩特征的方法相比,分割的准确性明显提高。