加权自适应MULBP与2DPCA结合的掌纹识别方法

针对局部二值模式(local binary pattern, LBP)容易受到随机噪声和边缘点对图像的影响,以及局部二值模式描述图像纹理特征时阈值不能自动选取导致鲁棒性差的问题,提出一种基于加权自适应多重均匀局部二值模式(weighted adaptive multiple uniform local binary pattern, WA-MULBP)与二维主成分分析(two dimensional principal component analysis, 2DPCA)相结合的掌纹识别方法。首先采用直方图均衡化(histogram equalization, HE)对掌纹感兴趣区域(region of interest, ROI)图像进行光照预处理,减少成像时的光照变化对最后掌纹识别成功率产生的影响;然后将预处理后的图像分成大小均匀的子块并利用自适应多重均匀局部二值模式(adaptive multiple uniform local binary pattern, A-MULBP)算法获取各个子块的纹理特征直方图和权值;最后,将各个子块的纹理特征直方图和权值相乘串联得到最终的纹理特征直方图,经2DPCA维数约简后采用欧氏距离判别法进行掌纹识别。在香港理工大学PolyU图库、同济和IIT-D非接触式图库、自建非接触图库以及它们的噪声图库上进行对比实验,可获得最低等误率分别为1.879 0%、2.019 2%、2.184 9%、2.663 2%、4.380 3%、4.730 1%、5.005 0%和5.223 7%,且识别时间都在1 s以内。相比其他算法,在保证实时性的情况下,有效提高了识别精度和鲁棒性。     

基于直方图加权HCBP的人脸表情识别

针对局部二值模式(Local binary pattern,LBP)及其改进算法所提取的特征维数过长、局部特征描述不够充分的缺点,提出了一种基于直方图加权HCBP(Haar-like centralized binary pattern,HCBP)的人脸表情识别方法。首先将人脸图像分成大小均匀的若干子块,利用HCBP算子提取各子块的纹理特征;然后通过信息熵的计算求得各子图像的权值,将加权子块HCBP特征直方图和原图像的HCBP直方图进行联合作为表情特征;最后,使用最近邻分类器对特征进行分类。Haar型特征与CBP相结合使得本文特征提取算法对局部特征的描述更为充分,信息熵的引入区分了人脸不同部位对表情的贡献程度。通过在JAFFE和Cohn-Kanade人脸表情库的实验证明:本文方法具有更高的识别率和识别效率。     

基于CLAHE增强的GIS局放脉冲序列识别算法

为了研究气体绝缘组合电器(gas insulated switchgear,GIS)的特高频局部放电脉冲序列识别算法,进而提高其绝缘故障诊断的正确率,提出利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equali-zation,CLAHE)算法对脉冲序列分布(phase resolved pulse sequence,PRPS)图谱进行预处理,实现放电脉冲目标的强化,从而增强数据集视觉特征的方法;然后计算增强图谱的均匀局部二值模式(uniform local binary pattern,ULBP)作为特征向量,利用Adaboost级联分类器不断提高识别率直至收敛,从而实现GIS内部绝缘故障类型的识别.实验结果表明:CLAHE增强将识别率的上限从93.36％提高到了96.09％;在变化的外施电压下,ULBP特征向量比传统图像特征的识别率提高了10.71％～15.72％;Adaboost强分类器在训练时对样本数量的要求降低了约1/3.故所提算法进一步扩大了优化空间,增强了传统算法的泛化能力,提高了训练效率.     

基于改进完全局部二值模式火焰特征提取的 转炉炼钢终点碳含量预测

转炉炼钢火焰图像特征的准确提取是预测终点碳含量的关键,针对于火焰图像相似性高进而难以区分碳含量相近的火焰图像,导致无法准确精准预测碳含量的问题,提出一种改进完全局部二值模式(improved complete local binary pattern,ICLBP)的彩色纹理特征提取方法,用于提取不同碳含量下更具区分性的炉口火焰图像特征并进行终点碳含量的预测.首先,在不同颜色通道下采用局部相位量化(local phase quantization,LPQ)提取图像相位信息,与CLBP提取的图像幅值信息组合成融合特征ICLBP_MP,以增强CLBP算法结构的鲁棒性;然后,通过改进的颜色信息加权策略对其进行加权,以增强火焰图像的颜色对比度信息;最后,使用K近邻回归模型对碳含量进行预测.实验结果表明,碳含量预测在0.02％误差范围内的准确率为83.9％.     

融合DCLBP和HOAG特征的人脸表情识别方法

为了进一步提高人脸表情识别算法的准确性,提出一种融合双编码局部二值模式(DCLBP)算子和绝对梯度直方图(HOAG)算子的人脸表情识别方法,该方法首先利用DCLBP算子提取人脸图像的局部纹理特征,利用HOAG算子提取人脸图像的局部形状特征;然后,采用典型相关分析法(CCA)融合所提取的两种特征;最后,利用支持向量机(SVM)进行人脸表情分类。实验结果表明,与单一特征识别方法和级联特征识别方法相比,本文方法获得了更好的识别效果,在CK (Cohn-Kanade)和JAFFE数据集上的实验分别达到了100%和99.05%的识别率,与其他相关方法的比较也验证了其有效性。     

Gabor多方向特征融合与分块统计的表情识别

为了克服传统Gabor特征存在提取时间长和数据维数过高的不足,提出一种Gabor多方向特征融合与分块统计的表情特征提取方法。为了提取局部方向信息并降低特征维数,首先对预处理的人脸表情图像进行Gabor变换并提取多尺度多方向的表情特征;然后借鉴局部二值模式(local binary pattern,LBP)的思想将相同尺度、不同方向的特征进行融合,并对融合图进行分块,统计每块融合图的均值和标准差,以此构建块特征矢量(block feature vector,BFV),再将其联合起来形成整幅图像的表情特征矢量(expression feature vector,EFV);最后利用支持向量机(support vector machine,SVM)对提取的EFV进行分类。该算法在JAFFE和Cohn-Kanade(CK)库上进行实验,分别取得了95.67%、96.17%的平均识别率以及1 213 ms和4 565 ms的平均特征提取时间。实验结果表明所提方法能较快、较准确地进行人脸表情识别。     

基于LBP和HOG特征的图案织物缺陷检测

为解决图案织物缺陷检测时传统人工的误检率、漏检率较高的问题,提出一种基于局部二值模式(local binary pattern,LBP)和方向梯度直方图(histogram of oriented gradient,HOG)特征相结合的检测算法。首先,将织物图像分解为多个重复单元(repeat units,RUs),提取其LBP和HOG特征,并对特征降维;其次,根据标记每个RUs特征的类别和对应在织物图像上的位置训练支持向量机(SVM);最后,利用分类器判别RUs特征中有无缺陷,并定位出RUs在织物图像中的位置。实验结果表明,与灰度共生矩阵(GLCM)作为特征矩阵的方法相比,该算法对图案织物常见的6种缺陷图像可实现提高检测效率、缩短检测时间,获取准确位置的目的。     

基于特征融合与随机森林的吊车碰线预警算法

现有的输电线路防外力破坏技术无法自动识别目标,导致对吊车碰线的监测效果较差。因此,该文提出了1种基于特征融合与随机森林的预警算法来解决这一问题。该算法在分析吊车自身特点的基础上设计了"形状–纹理–颜色"的融合特征提取方式:首先采用改进的边缘直线检测方法提取吊臂形状特征,然后利用局部二值模式(local binary pattern, LBP)算子获取纹理特征,最后在两步量化后的色调饱和值(Hue, Saturation, Value, HSV)颜色空间内得到颜色特征。进行融合特征后采用随机森林分类器进行目标识别,当判定目标为吊车时,根据其姿态和距离参数发出不同等级的预警信息。实验结果表明:该算法对工程吊车的平均识别准确率达到90.6%,相比于3种单一特征提取方式分别提升17.3%、7.9%和12.6%。同时该算法具备较强的实时处理能力,适用于输电线路防外力破坏的智能监控场合。     

基于灰度图像分解的局部放电特征提取与优化

提取有效的局部放电(PD)特征是输变电设备缺陷识别的前提。以局部放电灰度图像为分析对象,提出了基于二维主成分分析(2DPCA)的局部放电图像特征提取策略。算法通过2DPCA将PD灰度图像分解为多个一维向量,并对每个向量提取了9个特征参量,组成了PD图像分解特征集。同时,建立了基于粒子群优化(PSO)算法的PD特征选择算法,以优化PD图像分解特征,提升局部放电缺陷类型识别结果。对实验室考虑多因素影响的PD样本识别结果表明,2DPCA图像分解特征可以取得93%的PD缺陷识别率,经过PSO优化后的2DPCA特征可以将PD识别率提高至96%,并且特征维数由72降至28,充分说明方法的有效性。另外,对添加不同随机干扰的PD样本平均识别率均大于85%,表明2DPCA图像特征具有较好的抗随机干扰能力。     

基于滤波器组与中心对称局部二值模式的内窥镜病灶图像检测方法

为了解决在大量内窥镜图像中准确检测多种病灶这一难题,提出一种滤波器组与中心对称局部二值模式的多重纹理检测方法。首先将内窥镜图像经过LM(Leung-Malik)滤波器组,计算其响应的联合概率分布作为图像的纹理特征;采用CS-LBP对该图像进行编码,从另一角度提取其纹理特征。将训练样本的两种纹理特征结合进行聚类,形成一组纹理基元构建纹理基元字典,通过计算像素与纹理基元的欧氏距离获得基于纹理基元的图像直方图。最后,用K-邻近算法对纹理图像进行分类。实验结果表明,该方法特异度和灵敏度分别达到88%和92%,优于已有结果,可代替应用于内窥镜图像的临床初步检测。     

基于多尺度Gabor变换的人脸识别算法优化

针对人脸识别中的光照变化和姿态问题,提出首先获取已经过归一化处理的人脸图像(几何尺寸归一化和光照归一化),然后利用多尺度二维环形对称Gabor小波变换对归一化的人脸图像进行特征提取,再用局部二值模式对高维数据进行降维,最后使用直方图交的方法进行人脸相似度判决,从而实现较高识别率的实时人脸识别.实验表明,在FERET、Y...     

Robust intelligent PCA‐based face recognition framework using GNP‐fuzzy data mining

Traditional principal component analysis (PCA) based face recognition algorithms have a low recognition accuracy due to the influence of noise and illumination changes. This paper proposes a robust, intelligent PCA‐based face recognition framework in the complicated illumination database when using multiple training images per person (MTIP‐CID). There are mainly two improvements in the proposed method. One is that a face‐recognition‐oriented genetic‐based clustering algorithm is introduced to reduce the influence of a large number of classes on the classification accuracy in the MTIP‐CID. The other is that a classifier based on fuzzy class association rules (FCARs) is applied to mine the inherent relationships between eigenfaces and to improve the robustness of PCA‐based face recognition in noisy environments. Experimental results on the extended Yale‐B database demonstrate that the proposed framework performs better and is more robust against noise compared with other traditional face recognition algorithms, i.e. linear discriminant analysis (LDA) and local binary patterns (LBPs). © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于快速ACE算法的视觉里程计图像增强方法

为提高同时定位与地图构建(simultaneous localization and mapping, SLAM)在室内定位的不同场景下的鲁棒性,应对室内场景纹理少,光线差等极端环境的挑战。通过利用改进快速自动彩色增强(automatic color enhancement, ACE)图像增强技术,优化定向FAST和旋转BRIEF(oriented FAST and rotated briEF,ORB)特征点法的前端视觉里程计。同时将原始图像数据、限制对比度自适应直方图均衡(contrast limited adaptive histogram equalization, CLAHE)增强后、单尺度Retinex(single scale retinex, SSR)增强后,改进快速ACE增强后图像数据应用于楼梯间,地下停车场等不同现实场景中做基于图像质量和特征提取匹配两方面对比实验。实验结果表明,改进快速ACE增强后图像质量其他算法,并且视觉里程计(visual odometry, VO)应用该算法增强后提取到的特征点数量增幅达到倍数级,极端环境下匹配数量增幅在7%～25%,鲁棒性提高。     

SVD与HVS相结合的小波域数字图像鲁棒水印

为了提升水印鲁棒性,解决水印透明性与鲁棒性相互间的矛盾,提出一种融合SVD和HVS优良特性的小波域数字图像水印算法。该算法首先对载体图像进行二级DWT,提取二级低频子带并进行分块;然后对各个子块进行SVD,根据HVS对平均亮度的敏感性,结合修正的余弦相似性度量方法计算出水印的最佳嵌入位置;最后以量化的方式将Arnold扰乱加密的水印嵌入到选定的奇异值中,嵌入强度根据载体图像子块的奇异值自适应地调节。实验结果表明,该水印不仅具有很好的透明性,对噪声、滤波、剪切以及JPEG压缩等水印攻击也都呈现出较高的鲁棒性。     

LBP与低秩分解的网状织物纹理缺陷检测方法

针对网状织物纹理复杂,缺陷检测难度大的问题,提出一种基于局部二值模式(LBP)与低秩稀疏矩阵分解的网状织物纹理缺陷检测方法.首先,采用等价旋转不变的局部二值模式算法提取网状织物纹理特征,获得纹理特征矩阵;其次,根据纹理特征矩阵构建低秩稀疏分解模型;最后,通过最佳阈值分割算法对网状织物低秩稀疏分解产生的显著图进行分割.实验结果表明,与K-奇异值分解(K-SVD)算法相比,该方法的平均准确率达到89.94%,平均召回率达到93.88%,分类总正确率达到92%以上。     

基于区域 NSBP 特征的加权证据融合表情识别

为了提取鲁棒性强的人脸纹理特征并提高区域特征决策融合的性能,提出一种基于邻近平滑二值模式( neighbor smooth binary pattern, NSBP)特征描述子和加权证据融合(weighted evidence fusion, WEF)的表情识别新方法。 首先,提出了一种 NSBP 描述子,通过判定水平、垂直及对角线方向上的“中心”像素点灰度值是否在各梯度方向上两邻域的灰度值范围内来对图像进 行编码;然后基于提取的眉毛、眼睛和嘴巴区域的 NSBP 纹理特征来构造证据的初始基本概率分配(basic probability assignment, BPA);最后针对登普斯特-谢弗(Dempster-Shafer, D-S)证据理论在证据之间存在冲突时进行融合的不足,提出一种加权证据修 正的合成方法,以完成 3 个区域证据的决策融合。 实验结果表明,该方法在 CK(Cohn-Kanade)数据库上的平均表情识别率和识 别时间分别为 95. 25%、765 ms,与其他相关方法的比较也验证了其有效性。     

面向水下管网的视觉检测系统研究

针对水下管网定期需要检修和维护的实际需求,设计一套水下管网视觉跟踪检测系统;针对水下光学图像特点和管网铺设特征,提出一种管线跟踪方法。方法通过自适应直方图均衡化将光照不均水下图像转换为匀光图像,结合色彩空间变换方式进行图像增强并完成管道区域分割,通过支持向量机的模式识别方法依据水下机器人跟踪策略对管道图像进行分类,并根据管线分类特征建立管线提取策略,基于Kalman滤波对管线进行跟踪处理。在实验水池进行管道跟踪检测实验,管网路径识别正确率达93.7%,验证了视觉检测系统的有效性和稳定性,能够满足水下管网检测实际需求。