一种基于二维局部二值模式的纹理图像分类方法

局部二值模式（Local Binary Pattern,LBP）在纹理分类中受到越来越多的关注,传统的基于局部二值模式的图像识别方法在LBP直方图统计时仅仅考虑到LBP模式值本身的数量统计,却忽略了模式值之间的相关性.针对这一问题,本文提出一种二维局部二值模式（Two Dimensional Local Binary Pattern,2DLBP）方法,并用于纹理图像识别.首先以旋转不变均匀LBP特征图为基础,引入滑动窗口和LBP模式对的概念,统计LBP模式图的上下文信息,构造出2DLBP特征;然后改变LBP中的半径参数,构造图像的多分辨率2DLBP特征,并利用支持向量机（SVM）的分类方法进行纹理分类;最后选取Brodatz、CUReT、UIUC、FMD四个公开纹理库分别进行纹理分类测试.理论验证表明该方法具有良好的通用性,可以与LBP的其他变型结合成为新的图像特征构造方法.同时,实验结果表明,本文提出方法具有较好的纹理图像分类能力.     

基于凹凸局部二值模式的纹理图像分类

针对传统局部二值模式(LBP)及其扩展方法往往会将具有不同视觉特征的局部邻域赋予相同二值模式值的问题,提出了一种新的凹-凸LBP划分方法。首先通过选择最优参数将具有相同二值模式值的邻域划分为凹凸两类,然后分别统计每类特征并组合在一起进行纹理分类。为验证新方法的性能,实验采用3个在纹理分析领域广泛应用的图像库进行分类实验,结果表明,本文方法明显提高了传统LBP方法的分辨能力。     

结合金字塔和局部二值模式的遥感图像分类

在住宅区遥感图像分类中,为了克服尺度变化和旋转变化带来的影响,提出一种结合金字塔原理和局部二值模式的图像分类算法。首先对原始住宅区遥感图像进行多次下采样以构建不同尺度的空间金字塔;然后利用局部二值模式提取不同尺度遥感图像的纹理特征,以消除旋转变化的影响;最后将不同尺度下的纹理特征融合到一起,利用支持向量机对住宅区遥感图像进行分类。在标准图像数据集上的实验结果表明,低尺度纹理特征将会降低住宅区遥感图像的分类精度,与单尺度纹理特征相比,多尺度融合的纹理特征提高了遥感图像分类精度,平均高达4.77%。     

基于改进二值模式的图书文档图像分类

在分析针对局部二值模式进行降维方法的基础上,提出了一种改进的局部二值模式描述符,并用于图书文档图像分类。新方法首先将原局部邻域划分为多个4-正交邻域,然后统计4-正交邻域二值化后所包含的“1”的个数作为特征,最后融合所有4-正交邻域特征进行图像分类。采用广泛应用的纹理图像库、前视红外目标图像库和图书文档图像库进行实验,结果表明,新方法的特征维数不但明显降低,而且还取得了较高的分类准确率。     

基于局部彩色二元模式纹理特征的人脸分类方法

针对现有的局部纹理特征在光照变化下的人脸分类准确率不高的问题,提出一种局部彩色二元模式纹理特征提取和表示方法.该方法首先求取多个信号通道的彩色向量的模,以减少单独对每个信号通道提取 LBP 特征导致的量化误差;其次提取任意两个信号通道之间的像素彩色夹角来减少光照变化的影响.对于给定的测试人脸图像集,通过 SVM 的二分类器投票得到人脸图像的分类.在 Color FERET 和 XM2VTSDB 人脸图像数据库上的实验证明该方法在光照变化下可以有效地分类人脸图像.     

一种基于加权二值法的舌像纹理特征的提取

舌诊是中医学特有的诊疗方法,可以简单高效地了解人体生理功能和病理变化。舌像的纹理特征是计算机辅助舌诊系统进行舌体图像分析的重要依据。为了提高二值模式对纹理描述的能力,得到丰富图像的纹理特征,提出了一种改进的加权二值算法。对舌体图像进行分块处理,利用二值法提取每个子块的直方图,对该直方图分配适当的权重,提取纹理图像的微结构信息和宏结构信息,将处理过的所有子块连接成最终的纹理特征图。经过实验验证该算法的正确识别率较高,同时具有较好的扩展性和实用价值。     

基于改进型局部二值模式的人脸识别方法研究

局部二值模式在人脸识别领域应用广泛，但是该算法阈值为中心像素，对噪声比较敏感，文章采用小波变换首先对图像进行压缩，降低数据量，然后利用均值和方差的线性组合作为动态阈值进行纹理特征的提取，最后采用最近邻算法进行分类识别。实验结果分析表明改进后的算法的识别率有了一定的提高。     

基于分块局部二值模式的图像检索研究

提出一种分块局部二值模式的图像检索方法,首先利用3×3像素邻域的局部灰度均值代替其中心像素作为阈值计算LBP值,以改善传统LBP算子的缺陷;然后对图像采用分块处理,以便更好地提取图像的局部特征.实验表明,与传统的基于局部二值模式的图像检索方法相比,此方法具有更高的检索准确率.     

基于主成分分析与局部二值模式的高光谱图像分类北大核心CSCD

提出了两种基于主成分分析与局部二值模式的高光谱图像分类算法。利用主成分分析去除高光谱图像的谱间冗余信息,对降维后的图像利用局部二值模式进行空间纹理特征分析,采用稀疏表示分类和支持向量机分别对提取的特征进行分类。其通过将主成分分析与局部二值模式相结合对高光谱图像进行特征提取,保证了高光谱图像的谱间冗余的有效去除,同时保护了高光谱图像的空间局部邻域信息,因此,此类算法不但能充分挖掘高光谱图像的谱间-空间特征,在较大程度上提高分类精度和Kappa系数,而且在高斯噪声环境中和小样本情况下也具有良好的分类性能。     

基于局部四值模式的人脸识别

局部二值模式(LBP)作为经典的纹理特征描述方法广泛应用于纹理分类和人脸识别等领域。然而现有相关算法仅利用周围一个圆形邻域的信息,没有充分利用周围邻域的信息。为此,提出一种利用不同圆形邻域之间的微分结构信息进行联合描述的特征描述子,从而能够更加充分地利用邻域信息。由于所提方法在圆形邻域上每个坐标处有4种不同可能的取值情况,因此将这种模型称为局部四值模式(LQP)。在通用的人脸识别数据库FERET上的大量实验证明了所提算法的有效性。     

自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP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;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该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较高的正确识别率。     

融合LBP特征和运动特征的运动分类算法

本文提出了一种局部二值模式(Local Binary Pattern,LBP)特征和运动特征相融合的运动分类算法。首先,利用背景差分法检出视频中的运动人体序列,将运动人体序列经过LBP算子处理得到LBP直方图特征。然后,将LBP直方图特征和运动人体质心的速度特征相融合作为运动人体行为分析的识别特征,应用BP神经网络进行行为分类识别。在Weizmann和KTH行为数据库上进行了算法实验研究,人体行为识别的平均准确率达到了90.78%。实验结果表明:该方法在识别率方面明显优于常规方法进行识别的结果。     

多尺度超像素纹理特征保持与融合的高光谱图像分类

高光谱图像的低空间分辨率特性往往导致全局纹理提取技术难以获取地物要素的精准纹理信息,同时,单一尺度的局部纹理提取技术难以达到有效识别地物的目的。基于此,该文设计了一种多尺度超像素纹理保持与融合(MSuTPF)的高光谱图像分类方法,主要架构如下：首先,利用2D Gabor滤波器对高光谱图像进行多方向与尺度的全局纹理提取,并通过融合各尺度的纹理特征,增强纹理结构表征能力;其次,融合纹理与光谱主成分特征以形成光谱-纹理联合判别特征;再次,采用形状自适应的超分割方法,作用至光谱-纹理联合特征进行局部纹理信息保持与融合,尤其是,为克服超像素邻域像元的隐性不相关问题,该文定义了基于密度最近邻相似性评价准则,使超像素纹理进一步趋于一致性;最后,将各更新的光谱-纹理联合特征输入像素级分类器获取其对应的类标签,并采用多数表决的决策融合机制取得最终分类结果。Indian Pines和Pavia University真实数据集的实验表明,该方法在小样本条件下的分类精度优于基准分类器(SVM)、深度学习方法(GFDN)以及最新的空-谱分类方法(S3-PCA)等8个对比方法,充分证明了该文所提方法的实用性和有效性。     

基于多特征融合的均值迁移粒子滤波跟踪算法

仅用单一的颜色特征进行跟踪是大多数跟踪算法鲁棒性不高的主要原因。针对此问题,该文提出一种多特征融合跟踪算法。该算法利用颜色和纹理特征表示目标,通过均值迁移和粒子滤波算法进行特征融合,有效地避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。将两种常用的融合策略结合,减轻了粒子的退化现象,提高了算法效率。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。     

基于经验模态分解的空中飞机目标分类

该文研究常规窄带雷达体制下喷气式飞机、螺旋桨飞机和直升机目标的分类问题。首先根据微多普勒效应利用多散射中心模型从理论上分析了飞机目标旋转部件的雷达回波模型;然后针对3类飞机目标回波在多普勒域频率调制的不同,提出一种基于经验模态分解(Empirical Mode Decomposition, EMD)算法的特征提取方法;最后基于仿真数据训练、实测数据测试的模式,使用支持矢量机(Support Vector Machine, SVM)分类器的分类结果表明新方法较现有方法在较高信噪比条件下具有更好的分类性能。     

一组基于广义局部沃尔什变换的纹理特征

该文提出一组基于广义局部沃尔什变换(GLWT)的纹理特征。首先给出局部沃尔什变换(LWT)的定义,并在空域中对其加以推广,用以提取图像的局部纹理信息;然后在一个宏窗口中估计12个GLWT系数的二阶矩作为图像的纹理特征。对这组纹理特征的鉴别性能进行了分析,并与Haralick(1973),Wang Li(1990),以及Yu Hui提出的纹理特征进行了比较。实验结果表明,该文提出的纹理特征具有更好的鉴别性能和分类能力。     

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。     

基于局部模式的加权估计纹理分析在人脸识别中的应用

传统的纹理分析方法仅以每个脸部区域的相对贡献来标记全局相似度,针对这种以局部表示全局而导致不能很好地进行特征提取的问题,提出了基于局部模式的加权估计纹理分析(Weighting Estimation for Texture Analysis, WETA)方法。首先使用局部二值模式（Local Binary Pattern, LBP）或者局部相位量化（Local Phase Quantization, LPQ）对图像进行纹理编码,并将其划分成各个大小相等且不重叠的局部小块;然后从相似空间中提取出最具识别力的坐标轴,利用编码与数据库的不同组合估算出权值;最后,通过权值优化给出了最佳解决方案,并采用相似性度量距离转换完成人脸的识别。在FERET和ORL两大通用人脸数据库上的实验验证了所提方法的有效性,实验结果表明,与最先进的纹理方法相比,所提方法取得了更好的识别性能。     

Rotation-Invariant Texture Classification Using Circular Gabor Wavelets Based Local and Global Features

Rotation-invariant texture classification is one of the most challenging problems in computer vision. This paper presents a new and effective method for rotation-invariant texture classification based on the circular Gabor wavelets. The Gabor representation has been shown to be optimal in the sense of minimizing the joint two-dimensional uncertainty in space and frequency. The circular Gabor filter is completely circularly symmetric. So, the circular Gabor wavelets are constructed to decompose an image into multiple scales （subbands） and are rotation invariant. Two group features can be constructed by the mean and variance of the circular Gabor filtered images, and rotation invariant. The experimental results show that the proposed method has comparatively high correct classification rates.