增强成对旋转不变的共生扩展局部二值模式

目的 针对成对旋转不变的共生局部二值模式（PRICoLBP）算法对图像光照、旋转变化鲁棒性较差,且存在特征维度过大的问题,提出了一种可融合多种局部纹理结构信息的有效特征——增强成对旋转不变的共生扩展局部二值模式。方法 首先,对图像各像素点的邻域像素点灰度值进行二值量化得到二值编码序列,并不断旋转二值序列得到以不同邻域点作为编码起始点对应的LBP值;然后,分别利用极大、极小LBP值对应的邻域起始编码点和中心像素点确定两个方向矢量,并沿这两个方向矢量在两个不同尺度图像上选取上下文共生点;其次,利用扩展局部二值模式（ELBP）算法的旋转不变均匀描述子来提取上下文共生点对的中心像素灰度级、邻域像素灰度级及径向灰度差异特征间的相关性信息;最后,用上下文共生点对的特征直方图训练卡方核支持向量机,检测纹理图像类别。结果 通过对Brodatz、Outex （TC10、TC12）、Outex （TC14）、CUReT、KTH-TIPS和UIUC纹理库的分类实验,改进算法的识别率比原始的PRICoLBP算法识别率分别提高了0.32%、0.57%、5.62%、3.34%、2.1%、4.75%。结论 利用像素点LBP特征极值对应的起始编码序列来选取上下共生点对,并用ELBP算法提取共生点对局部纹理信息,故本文方法能更好描述共生点对间的高阶曲率信息及更多局部纹理信息。在具光照、旋转变化的Outex、CUReT、KTH-TIPS纹理库图像分类实验中,所提方法比原始PRICoLBP算法取得了更高的识别率。实验结果表明,改进算法相比于原始算法能在较低的特征维度下对图像光照、旋转变化具有较好的鲁棒性。     

用于纹理特征提取的改进的成对旋转不变共生局部二值模式算法

针对用于纹理特征提取的成对旋转不变共生局部二值模式（PRICoLBP）算法计算特征维度大、旋转不变性较差、对光照变化敏感的问题,提出一种融合局部纹理信息的改进PRICoLBP算法。首先,分别最大化和最小化图像像素点的二值序列,得到两个邻域像素点的坐标,由中心像素点坐标和得到的邻域像素点坐标计算出共生点对的坐标;其次,利用完备二值模式（CLBP）算法提取图像的每个像素点的纹理信息。在相同分类器下,对Brodatz、Outex（TC10,TC12）、Outex（TC14）、CUReT和KTH_TIPS数据库的分类实验中,所提算法的识别率比PRICoLBP算法分别提高了0.17、0.24、2.65、2.39和2.04个百分点。实验结果表明,所提算法在处理纹理旋转变化、光照条件多样的图像时具有较好的识别效果。     

基于自适应局部二值模式的纹理特征提取方法

局部二值模式(local binary pattern, LBP)是一种简单有效的纹理特征描述符,但是存在对噪声缺乏鲁棒性以及编码过程中信息缺失的问题。针对该问题提出基于自适应阈值的带方向的完整局部二值模式(adaptation threshold complete local binary pattern with direction,DAT-CLBP)。提出一种自适应阈值选取方法和判别条件,通过判别条件,从自适应邻域像素中值和中心像素值中选取一种作为LBP编码时的阈值;计算邻域像素和阈值的差分的幅值,并以幅值最小点为起点,从小到大地计算局部邻域的二值模式。在通用纹理库上运行算法,统计两种阈值的发生率,证明了采取自适应阈值的必要性。以纹理库上添加了不同程度的椒盐噪声的纹理图像为样本实验,结果表明算法能更好地描述纹理,同时也对椒盐噪声具有鲁棒性。     

一种基于LTP特征的图像匹配方法*

为了解决可变光照条件下图像匹配困难这一问题,提出一种基于LTP（局部三值模式）特征的图像匹配方法。LTP是LBP（局部二值模式）的扩展,这种局部纹理描述算法较LBP更具有判别能力而且对于统一区域的噪声更不敏感。利用LTP对于图像旋转和光照变化都具有良好的鲁棒性,解决了在光照可变条件下流行的SIFT方法进行匹配的困难。通过对不同变换的图像进行匹配实验表明,该方法得到的匹配结果比LBP效果更好,鲁棒性更高,而在光照可变和噪声很大的情况下比流行的SIFT方法更实用。     

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.     

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。     

基于邻域相似度的局部二元模式方法

局部二元模式LBP(Local Binary Pattern)在纹理分析中具有广泛的应用,然而现有的LBP方法容易受噪声的影响,其鲁棒性并不高。基于此提出一种利用邻域相似度实现图像纹理分类的局部二元模式方法。该方法首先计算邻域内像素点之间的相似性,然后将该信息与现有LBP方法相结合,最后用结合后的特征来描述图像纹理。实验表明,提出的方法与经典LBP方法相比具有较高的纹理分类能力,同时具有较强的抗噪性能。     

基于全局二值模式的特征提取方法及其应用

提出一种全局二值模式(GBP)的纹理分析方法,解决局部二值模式(LBP)易受噪声影响的问题.GBP中采用一个大邻域模板的平均值代替LBP中的中心像素,弱化了噪声的影响,但GBP对光照不均的抵抗能力不如LBP.在钢板表面缺陷识别中,由于钢板表面图像既有较大的噪声,又存在着严重的光照不均现象,因此提出GBP与LBP二维直方图结合的方法,该方法结合GBP和LBP的特性.将该方法应用于中厚板和连铸坯表面缺陷的识别,实验结果表明GBP与LBP的结合方法同时具有光照不变性和对噪声不敏感的特性,对裂纹缺陷的识别率达到96%以上.     

基于自适应邻域的固有形状特征算法

针对三维点云特征点检测算法中固定尺度的确定需要经验知识的参与,自适应尺度的计算需消耗较多时间成本的问题,提出一种自适应邻域的固有形状特征（ANISS）改进算法。首先利用局部特征计算每一点的自适应邻域k值;然后将k值作为ANISS算法中的邻域大小,通过比较连续特征值的比率与阈值的大小来得到近似特征点;最后以近似特征点的k值作为非极大值抑制（NMS）的邻域大小,执行NMS算法,得到最终的特征点。旋转平移不变性实验和噪声敏感性实验的结果表明,ANISS算法检测出的特征点的可重复性均高于固有形状特征（ISS）算法,它不仅降低了ISS算法中邻域参数输入造成的不准确性,还具有较高的计算效率。     

基于图像表面形状指数的图像纹理特征提取

在图像纹理分类方面,近些年局部二值模式（Local Binary Patterns,LBP）以及其变体已经被证明有其独有的优势,但是它仍然存在两个明显缺陷：连续旋转不变性问题以及对噪声鲁棒性差的问题。针对这两个缺陷,提出了一种新的纹理描述符SI-LCCP进行改进。该方法结合了图像表面形状指数（shape index,SI）具有旋转不变的特性的特点,对原有LBP进行补充。同时,将该算法与噪声鲁棒性强的局部凹凸模式（local concave-convex pattern,LCCP）进行算法融合。实验证明提出的算法有效地改善了上述缺陷,在四个常用的纹理图像数据集上均取得了更高的识别效果。     

基于多级纹理特征和Mean-Shift的灰度目标跟踪

由于灰度图像的信息单一,缺乏描述目标的信息,且易受到光照变化的影响,导致灰度图像中的目标跟踪难度较大。为此,提出了一种结合Gabor小波变换特征与旋转不变一致局部二值模式(LBP)纹理描述算子来建立目标的多级纹理特征模型,并采用Mean-Shift来实现目标跟踪的新方法。该算法首先利用Gabor变换提取多尺度、多方向的目标图像特征以扩充特征提取范围,然后应用旋转不变一致LBP算子对这些特征进行编码以增强所提取特征的有效性,最后采用纹理模式联合概率直方图建立目标的多级Gabor-LBP纹理特征模型,并通过Mean-Shift算法来实现目标的跟踪。实验结果表明,该算法可以有效地克服光照变化、混乱及目标旋转的影响。     

基于局部Gabor自适应三值模式的人脸识别

提出一种融合Gabor特征和局部三值模式（LTP）的人脸识别方法,并在算法中对局部三值模式（LTP）进行改进,提出能够自适应阈值的LATP算子。对归一化后的人脸图像进行多尺度、多方向的Gabor滤波提取其对应的幅值特征,在每个幅值图像上进行LATP运算,抽取局部邻域关系模式,这些模式的区域直方图再经过信息熵加权并串联得到最终的人脸描述,识别过程使用[χ2]距离对特征直方图进行相似度匹配。在ORL和Yale人脸数据库上实验,结果表明提出的算法对人脸表情和光照变化具有更好的适应性,对噪声干扰具有更强的鲁棒性。     

基于改进型LBP算法的植物叶片图像识别研究

为了解决LBP算法抽取的纹理特征仅考虑了邻域像素的特征,忽略关键的局部和全局特征的问题,提出一种基于改进型LBP算法的WCM-LBP植物叶片图像特征提取方法。该算法融合了加权局部均值算法WRM-LBP和加权全局均值算法WOM-LBP,通过提取叶片基于区域的关键几何特征和纹理特征对LBP特征描述符进行加权改造,并采用加权局部均值和加权全局均值代替传统的中心像素点,最后将叶片图像的R、G和B通道颜色分量和灰度值作为特征输入矩阵进行图像分析。该算法结合特征加权的模糊半监督聚类算法（SFFD）应用于经典的Flavia、Swedish、Foliage以及自测图片集等4种植物叶片图像数据集中进行实验。实验结果表明,该算法具有很强的鲁棒性,能够有效区分机器视觉下植物叶片图像的关键性识别特征,有效解决叶片图像的分类识别中关键特征的描述问题。     

用于DR图像缺陷检测的改进的LBP算法

针对传统LBP（Local Binary Pattern）算法在DR图像缺陷检测中对噪声异常敏感而导致的缺陷识别率低的问题,在已有的韦伯LBP算法（Weber Local Binary Pattern,WLBP）的基础上,提出改进的WALBP（Weber Adapted Local Binary Patterns）算法。WALBP算法保留了WLBP算法最后生成二维直方图的特点,对其所用的LBP算子和LoG（Laplacian of Gaussian）方法进行了改进。WALBP算法更加有效地描述了DR图像的纹理特征,同时有效解决了WLBP算子在进行缺陷检测时直方图维数较多及分类能力不强的问题。通过对多幅铸件DR图像进行实验分析,结果表明,相对于已有的WLBP算法和传统的LBP算法,WALBP算法在缺陷检测上具有更高的识别率,在缺陷识别技术中具有很高的应用价值。     

基于纹理谱的二值文档图像零水印算法

针对二值文档图像的版权保护问题,提出了一种二值文档图像零水印算法。该算法使用文档图像的局部二值模式(LBP)构造纹理谱图像,然后使用该纹理谱图像的直方图构造零水印信息。相比其他文档图像水印算法,该算法具有更好的隐蔽性,而且不会改变原始图像的信息。水印攻击包括图像剪切、加噪声和图像旋转操作,实验分析结果表明这些攻击操作对零水印信息的影响不大,最低标准相关系数在0.85以上,具有很好的稳定性。     

基于近邻三值模式和协作表示的三维掌纹识别

针对二维掌纹图像存在易伪造、抗噪能力差的问题，提出一种基于近邻三值模式（NTP）和协作表示的三维掌纹识别方法。首先，利用形状指数把三维掌纹的表面几何信息映射成二维数据，以弥补常用均值或高斯曲率映射无法精确描述三维掌纹特征的缺陷；其次，对形状指数图作分块处理，利用近邻三值模式提取分块形状指数图的纹理特征；最后，利用协作表示的方法进行特征分类。在三维掌纹库上和经典算法进行的对比实验中，该方法的识别率为99.52%，识别时长为0.6738 s，优于其他算法；在识别率方面，与经典的局部二值模式（LBP）、局部三值模式（LLTP）、CompCode、均值曲率图（MCI）法相比分别提高了7.77%、6.02%、5.12%和3.97%；在识别时间方面，与Homotopy、对偶增广拉格朗日法（DALM）、SpaRSA方法相比分别降低了6.7 s、15.9 s和61 s。实验结果表明，所提算法具有良好的特征提取和分类能力，能够有效地提高识别精度并减少识别时间。     

Local directional derivative pattern for rotation invariant texture classification

Local binary pattern (LBP) is a simple and efficient operator to describe local image pattern. It could be regarded as a binary representation of 1st order derivative between the central and its neighbors. Based on LBP definition, in this paper, a framework of local directional derivative pattern (LDDP) is proposed which could represent high order directional derivative feature, and LBP is a special case of LDDP. Under the proposed framework, like traditional LBP, rotation invariance could be easily defined. As different order derivative information contains complementary features, better recognition accuracy could be achieved by combining different order LDDPs which is validated by two large public texture databases, Outex and CUReT.