基于多颜色和局部纹理的水果识别算法研究

为提高水果种类识别的准确性,本文提出一种基于多颜色特征和纹理特征的水果识别算法。该研究选择不同种类的水果图像作为实验测试样本,使用最大类间方差法Otsu分割图像,得到水果图像的目标区域,分别对目标区域进行红、绿、蓝(RGB)颜色模型和色调、饱和度、明度(HSV)颜色模型的直方图分析,采用颜色矩算法和非均匀量化算法对RGB模型和HSV模型提取特征,利用局部二值模式(local binary patterns,LBP)对目标区域提取局部纹理特征,对颜色和纹理特征向量进行优化组合,结合基于梯度下降算法的BP神经网络对测试样本进行训练分类。针对输入层输入不同特征分别进行实验并比较,得到基于不同特征的水果识别率。研究结果表明,本算法分类识别率可达90%以上,高于单一特征算法识别率。该研究具有一定的实际应用价值。     

基于LBP层次特征的表情识别算法

提出了一种基于LBP层次特征提取的表情识别算法.将图像分成许多子块,并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征,对人脸图像的眼睛和口部作粗定位.采用局部二值模式(LBP)的层次特征提取法,对图像进行分块操作,求出每个子块的LBP直方图,然后将基于整体特征得到的LBP直方图与基于局部特征得到的LBP直方图连接起来,作为整幅图像的LBP直方图.将层次特征提取法所提取的LBP直方图作为嵌入式隐马尔可夫模型(EHMM)的初始向量,即形成观察序列.对JAFFE人脸库中的7种基本表情进行了测试,结果表明该方法能有效提高表情识别率.     

基于局部区域LBP特征的人脸识别研究

传统的LBP方法往往分散特征区域所表达的信息,提出一种基于局部区域LBP特征（Local Binary Pattern,局部二值模式）提取的人脸识别方法。用积分投影法在表情图像上定位出眉毛、眼睛、鼻子和嘴巴这些特征点的位置,根据这些特征点的位置确定这些特征部件所在子区域,然后对这些子区域进行不同的分块,提取各子区域的局部LBP直方图,按顺序把它们连结成一个特征直方图序列。实验结果表明：局部区域LBP方法与传统的LBP方法相比有很强的人脸表情特征识别能力,能够更准确地提取面部局部区域的表情信息。     

基于Gabor特征的乳腺肿瘤MR图像分类识别模型

为研究乳腺肿瘤核磁(Magnetic Resonance,MR)图像纹理分析在鉴别乳腺纤维瘤(fibroadenoma of breast, FB)、浸润性导管癌(invasive ductal carcinoma, IDC)和浸润性小叶癌(invasive lobular carcinoma, ILC)中的临床应用价值,选择MR图像的兴趣区域并使用小波变换对MR图像进行分解,结合K-means算法完成对肿瘤区域的勾画。使用Gabor小波从8个方向、5个尺度对兴趣区域滤波,并将肿瘤部位的均值作为特征。对提取的特征进行分析、筛选,得到关键特征。比较支持向量机、贝叶斯、神经网络等不同的分类算法对关键特征进行分类预测,计算分类的准确度、灵敏度和特异性,得到最适用于分类模型的参数设置。乳腺MR图像纹理分析能够区分出常见的三类乳腺肿瘤,预测精度为77.36%。乳腺MR图像在鉴别FB、IDC和ILC方面具有重要的临床价值。     

基于局部纹理特征的合成孔径雷达变体目标自动识别算法

提出了一种针对变体的识别算法,利用变体与原目标局部纹理之间的相似性进行识别。首先,提出了一种基于清晰边缘的合成孔径雷达(Synthetic aperture radar,SAR)图像配准算法;然后使用结合伽柏(Gabor)变换,局部二值模式(Local binary pattern,LBP)和空间区域直方图的纹理特征来描述SAR图像;最后用基于大特征的直方图序列的匹配做识别。基于MSTAR S2的试验结果证明了本算法的有效性。     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

基于MR图像的阿尔茨海默病和轻度认知障碍患者海马三维纹理分析

阿尔茨海默病(Alzheimer disease,AD)是老年痴呆症中最常见的类型,有研究表明,轻度认知障碍(mildcognitive impairment,MCI)可能是AD的前驱阶段.研究样本包括21例早期AD患者(AD组)、22例MCI患者(MCI组)及20例健康对照者(normal control,NC)的磁共振(magnetic resonance,MR)脑图像,采用灰度共生矩阵和游程长矩阵方法对图像中海马结构进行三维纹理分析,比较纹理特征——能量、熵、游程长不均匀度因子和灰度不均匀度因子在3组之间的差异,并分析这些纹理参数与临床广泛应用的简易智能状态检查量表评分之间的相关性,同时利用支持向量机方法对样本进行分类识别.研究结果显示,以上纹理参数在3组之间存在显著差异,且纹理参数与临床简易智能状态检查量表评分具有相关性,对AD组与NC组的分类正确率可达85.37%(敏感性和特异性分别为90.48%、80%).表明三维纹理分析反映出了早期AD及MCI患者海马结构的病理变化,有助于AD的早期诊断.     

结合小波分析和LBP算子的人脸描述与识别

为提高人脸识别的准确性和实用性,提出了一种结合小波分析和LBP算子的人脸描述与识别算法.先利用小波分析对原始人脸图像进行降维,再分块求取小波系数的2类LBP直方图,最后将所有区域的2类LBP直方图连接起来得到整幅图像的小波直方图序列特征(HSWLBP),并将其作为人脸的鉴别特征用于分类识别.所提出的算法在ORL人脸数据库上取得高达0.99的人脸识别率.实验分析表明,HSWLBP具有较强的特征表示能力和可鉴别性,且对光照、人脸表情和位置的变化具有较高的鲁棒性.     

指节纹图像感兴趣区域提取与特征识别算法

为降低特征提取的工作量同时提高识别的准确性,设计了一种指节纹图像感兴趣区域(ROI)提取方法。首先,对采集到的图像进行预处理操作,分离并旋转定位四指图像。其次,通过手指图像梯度分布关系,计算负梯度的极值,并统计图像中每一行的负梯度极值个数来确定近指节纹的ROI区域。最后,通过局部二值模式(LBP)直方图相似性来验证所提取的ROI区域的准确性。实验证明,在采用本文方法所建立的指节纹ROI数据库中,分类准确率达到了100%。     

一种虹膜色素块检测与分类方法

针对现有虹膜识别系统中全局纹理特征提取方法忽略了纹理类型信息的问题,提出了一种针对全局性纹理中虹膜色素块的检测与分类方法.该方法利用灰度聚类法实现虹膜图像中色素块可能存在区域的初定位,依据坑洞和色素斑这两类色素块的灰度空间分布特性,定义一组区域特征参数作为分类特征向量,利用支持向量机实现二者的检测与分类.算法对图库中图像的坑洞和色素斑的检测正确率分别为99.2%和86.5%,对无特征纹理存在的虹膜图像检测正确率为87.2%.实验结果表明,该方法具有较高的正确率,能够满足虹膜识别系统的纹理特征提取要求.     

基于HOG特征和滑动窗口的乳腺病理图像细胞检测

提出一种基于方向梯度直方图(histograms of oriented gradient, HOG) 特征和滑动窗口的细胞检测方法,能快速、高效、准确地检测高分辨率病理组织图像中的细胞。该检测算法首先对训练集中的细胞样本块和非细胞样本块提取HOG特征,然后运用HOG特征训练分类器。训练好的分类器用于在整幅病理图像中自动检测细胞。先运用滑动窗的方法在整幅高分辨率病理图像中选取相同尺寸的所有可能的细胞块,被滑动窗选定的图像块提取HOG特征后,送到训练好的分类器中判断是否是细胞块。为了验证提出方法的有效性,将此方法运用于17名乳腺患者的共37张H&E(hematoxylin & eosin)染色高分辨率穿刺切片病理图像上自动检测细胞, 通过与softmax(SM)分类器、稀疏自编码器+SM、局部二值模式+SM、支持向量机(support vector machine, SVM)、HOG+SVM、以及 HOG+SVM 多个模型对细胞检测的准确率、召回率以及综合评价指标的对比表明,本研究提出的方法分别为71.5%,82.3%和76.5%,具有更高的准确率。     

基于深度学习特征融合的遥感图像场景分类应用

针对传统手工特征方法无法有效提取整体图像深层信息的问题,本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息;通过基于AlexNet迁移学习网络提取图像的深层信息,在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出;将两种特征进行自适应融合,最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明,5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.     

基于极端梯度提升树算法的图像属性标注

提出基于极端梯度提升树(eXtreme gradient boosting,XGBoost)算法的图像属性标注模型,以改善标注性能：提取图像局部二值模式(local binary patterns,LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform,SIFT)、视觉几何组(visual geometry group,VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明：Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。     

A hybrid genetic algorithm for multi-modal image registration

Imageregistrationisthemethodofbringingtwo differentimagesintoalignmentsothatpixelpositionscorrespondtoequivalentpointsinthespaceoftheob jectimaged.Therearemanyapproachestoimageregis trationandtheycanbeclassifiedintothreeclasses:im age based,feature based,…     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

结合对比度信息与LBP的分块人脸识别

基于局部二值模式(local binary pattern,LBP)的特征提取方法忽略了图像灰度值变化的强度。针对这一问题,提出了一种结合对比度信息和LBP进行人脸识别的方法。首先采用LBP算子、VAR方差(variance,VAR)算子分别提取分块人脸灰度图像的LBP直方图序列(local binary pattern histogram sequence,LBPHS)和VAR直方图序列(variance histogram sequence,VARHS),然后将LBPHS和VARHS串联成LBP／VARHS,最后根据最近邻原则进行人脸识别。该算法能够提取有效的人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关。在ORL和YALE标准人脸数据库上的实验表明,该方法应用于人脸识别中,具有较高的识别率。     

云环境中考虑隐私保护的人脸图像识别

针对目前使用计算机进行人脸识别往往效率较差,且未考虑到隐私保护等问题,提出一种新的云环境中考虑隐私保护的人脸图像识别方法.对人脸图像进行简化处理以保护主要信息,并建立人脸图像主成分分析(PCA)数学模型,采用局部二值模式(LBP)方法获取人脸图像纹理特征,采用保局投影(LPP)方法选择人脸特征,并选取最常见的分数法对选择后的特征进行稳定性度量,引入深度网络法进行人脸图像的识别.结果表明,所提出的改进方法在保证人员隐私的基础上,具有较高的识别精度与识别效率.