基于LBP和FSVM的视频文字定位方法

提出一种基于局部二值模式(LBP)和模糊支持向量机(FSVM)的视频文字定位方法。利用边缘信息和形态学操作进行文字粗检测,采用投影直方图和启发式规则形成候选文字区域,提取LBP作为纹理特征,用FSVM对候选文字区域进行精确定位,生成最终的文字块。实验结果表明,该方法具有较好的视频文字定位能力且鲁棒性较强。     

基于BEMD和LBP提取特征的纹理分类

对于纹理图像的分类,采用二维经验模式分解将图像分解成一系列的固有模态函数(IMF)和残差,并结合局部二值模式(LBP)对所提取到的各IMF图像和残差图像进行特征提取的方法。为了验证算法的有效性,对自然纹理进行特征提取,并结合支持向量机(SVM)算法对提取的特征向量进行分类,分类精确度达到98%以上。     

基于改进LBP的手指静脉识别算法

为进一步提高手指静脉识别算法识别率,在图像预处理阶段提出了将直方图均衡化算法与局部对比度增强算法相结合,在扩大静脉图像动态范围的同时增强图像的细节。在图像识别阶段,提出了一种基于局部二值模式(Local Binary Pattern,LBP)的改进算子用来描述图像局部纹理特征,并结合权重分配和分块LBP特征算法对图像进行特征提取。最后使用支持向量机(Support Vector Machine,SVM)算法对图像特征进行训练。实验结果表明,上述算法识别率高达99.33%,与传统的识别算法相比具有明显的准确率提高。     

基于改进的LBP方法相结合的尿液细胞识别研究

分析和比较在RGB和HSI两种不同色彩坐标系统下使用支持向量机对尿液细胞进行识别分类的效果,以及使用色彩特征参数与纹理特征参数进行综合识别分类尿液细胞的效果。提出一种改进的局部二元模式(LBP)纹理特征提取方法。实验结果表明提出的HSI颜色特征、基于改进的LBP法提取的纹理特征与支持向量机(SVM)相结合的方法在尿液细胞识别分类中效果良好。     

基于PCA与LBP的人脸性别分类方法

主成分分析方法（PCA）和局部二元模式算子（LBP）相融合的特征提取方法结合了PCA在提取全局特征方面的优势和LBP在提取局部纹理细节方面的优势,能够从人脸图像中提取出较好的用于支持向量机（SVM）进行人脸性别识别分类的特征。在提取图像的LBP特征时,对传统的LBP方法做了改进,采用级联的方法提取图像的LBP直方图特征。并将提取出来的LBP特征与PCA特征相结合用于SVM,实验结果表明,LBP和PCA相融合的特征较单独的PCA特征和LBP特征在性别识别上具有明显的优势。     

基于LBP和PCA机器学习的手势识别算法

为解决听力障碍者与无障碍者的信息交流问题,对哑语手势自动识别技术进行研究;提出了一种改进的手势识别算法;首先通过YUV肤色分割、图像差分、连通域检测等算法进行预处理,获取完整的手型区域图像;然后对手型的二值图像进行轮廓检测,采用LBP变换与主成分分析进行特征提取与压缩;最后运用支持向量机的机器学习算法构建分类器,对哑语手势进行分类识别;通过对630张手势图像进行实验,结果表明,提出的算法有效提高了识别率与速度,识别率达到94.22％,速度达到0.29s/幅,可以满足哑语交流的实时性要求.     

基于HOG-LBP特征融合的头肩检测研究

提出了一种基于HOG-LBP特征融合的人体头肩检测方法,其要点是将人体头肩图像等分为多个部分重叠的块,从每个块内提取HOG和LBP特征并加以融合,以得到更有效的人体头肩的边缘轮廓和纹理特征,融合后的特征送入支持向量机SVM(Support Vector Machine)通过Bootstrapping的方式进行训练,得到最终的判别模型。实验结果表明,该方法的检测效果优于基于单一HOG、LBP特征的方法 。     

LBP特征分类的极化SAR图像机场跑道检测

目的 在极化合成孔径雷达（synthetic aperture radar，SAR）图像中常用直线检测进行机场跑道的识别，但是河流、道路等与机场跑道具有相似直线的地物容易对检测结果造成干扰，出现检测目标难定位、目标模糊、多虚警等问题。为此，本文设计了一种利用目标散射特性结合局部二值模式（local binary patterns，LBP）特征分类的极化SAR图像机场跑道区域检测方法，采用LBP特征对极化SAR图像进行有监督的分类来提取真实的机场区域。方法 首先利用异化散射功率对极化SAR图像进行阈值分割，然后通过形态学处理得到疑似机场跑道区域，同时构建机场跑道和非机场跑道两类训练样本，并提取、统计样本的LBP特征，形成直方图，得到特征向量训练支持向量机（support vector machine，SVM）二分类器，其中SVM二分类器采用了径向基函数（radial basis function，RBF）核函数；接着对疑似机场跑道区域构建LBP特征，送入SVM二分类器中分类，对机场跑道进行检测识别，最终得到真实的机场跑道区域。结果 利用UAVSAR（uninhabited aerial vehicle synthetic aperture radar）系统采集的7幅极化SAR图像数据进行实验检测，并选取基于几何特征辨识跑道的两种算法进行对比，3种方法均有效检测出了7幅场景中的真实跑道，但是本文方法在7幅数据中总的虚警和漏警个数均为1，而两种对比算法中的虚警个数分别为2和11、漏警个数分别为8和1。结论 本文方法不仅能有效检测出机场跑道区域，且检测效果更好，计算量较小，虚警和漏警率低，效率更高。     

基于分块LBP融合特征和SVM的人脸识别算法

针对传统局部二值模式(LBP)特征提取方法在光线和人脸表情变化的情况下表现不佳、单一方法提取出的特征不能多角度表现出整张人脸的特征信息的问题,提出一种基于分块LBP融合特征和支持向量机(SVM)的人脸识别方法。先将人脸图像划分为不同的块,对每一块提取LBP特征;然后将不同分块的像素均值特征与LBP特征进行融合,用融合后的特征向量来表征人脸;最后引入SVM作为分类器对上述特征进行分类。在YALE、ORL标准人脸库以及自建人脸库上进行实验验证,实验结果表明:该方法识别准确率分别能达到95. 15%,99. 75%,96. 25%,对比实验显示,该方法优于C4. 5决策树、随机森林等传统方法。     

基于边缘对称性和IULBP的行人检测方法

针对现有行人检测方法速度慢、无法满足实时性检测需求的缺点,提出一种基于边缘对称性和改进的等价局部二值模式的行人检测方法 ES-IULBP(Edge Symmetry and Improved Uniform Local Binary Patterns)。该方法首先对输入的图像进行垂直边缘提取并计算对称性,完成行人的初检测,确定行人候选区;然后引入等价局部二值模式,并对其改进,进行行人的纹理特征提取;最后结合线性支持向量机进行行人验证。实验结果表明,与基于梯度方向直方图特征的行人检测方法相比,ES-IULBP检测速度快、准确率高,并具有较强的鲁棒性。     

基于局部二值模式和相位变换的瑕疵检测方法

针对生产过程中产生的一些表面瑕疵会对工业产品质量造成严重威胁的问题,提出一种基于局部二值模式LBP和相位变换相结合的瑕疵检测方法.在分析2种算法优缺点的基础上,针对不同特点的瑕疵采取优势互补策略,提高对各类瑕疵判别、提取和定位的准确性.实验结果表明,该方法检测效果优于采用单独一种方法的结果,对不同种类的瑕疵具有更好的适应性.     

基于自适应LBP算法的纹理分析

LBP(LocalBinaryPattern)算法是典型的结构与统计相结合的纹理分析方法。但其在分析过程中窗口大小不可调。针对此问题设计出自适应LBP算法。该算法采用改进的Tamura粗糙度自适应调整模式分析窗口大小,更好地符合了LBP的设计思想。实验表明,算法具有更好地纹理分析性能。     

一种基于纹理分析的视频车辆测速方法

基于虚拟线圈的工作原理,将纹理分析技术应用到车辆的视频测速中,采用了基于像素灰度跳变的纹理描绘子作为图像特征和动态阈值做阈值决策的车辆检测算法,提出了一种产生视频触发信号的方法。给出了纹理描绘子和阈值更新的具体算法。经实验,取得了较好效果。     

一种基于LBP的纹理合成无载体信息隐藏方法

为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。实验结果表明,该方法生成的含密图像具有良好的视觉效果,而且在嵌入容量和抗干扰能力方面有了进一步提高。     

联合LBP与SOM的多分辨率织物疵点检测

提出了一种联合LBP与SOM的多分辨率织物疵点检测方法。首先应用图像金字塔将织物图像进行降级分解,得到不同分辨率的图像,再对每一级的图像分别应用局部二进制(LBP)算子进行处理,提取特征后送入事先训练好的自组织映射神经网络(SOM)进行识别,最后再对已识别的多级图像进行融合,计算连通区域的周长和面积去除孤立点后得出最终的检测结果。实验结果表明,该方法检测速度快、检测效果好,适用于不同疵点类型的各种检测。     

基于LBP纹理分析的视频车辆检测研究

视频交通事件检测与处理技术在智能交通领域中的应用研究已在学术界和工业界引起了广泛关注。作为视频交通事件检测技术的基础,车辆检测也已成为研究热点。该文主要研究在车辆检测过程中出现的车辆检测不完整,特征信息提取不完全等情况,研究利用LBP算子进行区域生长方法,使得不完整的车辆区域按照LBP纹理方向扩展,从而获得较完整的车辆目标。实验结果表明该算法能够有效进行区域生长,检测车辆的完整度有较大提高。     

基于改进LPB特征算子的行人检测算法研究

LBP特征算子具有光照不变性、旋转不变性且计算简单等优点,是行人检测中描述人体常用的特征算子,但在场景光照与行人对比度较大时LBP算子对行人特征描述不太准确,容易造成跟踪失败。针对以上情况提出了改进的LBP算子,在计算LBP二进制码时不仅考虑中心点与邻域点像素值的大小,还将二者之间的对比度信息加入到LBP算子中。通过实验证明,改进的LBP特征算子对图像噪声不太敏感,且在光照不足的环境中对行人具有更强的表示能力和判别能力。     

HSV与LBP特征融合的行人检测方法研究

提出一种融合HSV颜色空间特征与局部二元模式特征LBP的特征的HSV LBP行人检测方法。HSV特征是一种全局特征,它能简单地描述一幅图像中颜色的全局分布,LBP特征能很好地描述图像局部空间结构,所以该算法既考虑了全局特征也考虑了局部特征,且该算法具有维数少、计算速度快的优点。在Matlab环境下实验,利用Adaboost 分类器对算法的性能进行实验仿真,与经典的梯度方向直方图HOG特征、LBP特征、分层梯度方向直方图PHOG特征及HOG LBP特征进行对比,结果表明HSV LBP方法的识别性能较好。     

融合线性特征的局部纹理运动车辆阴影检测

提出了一种融合线性特征的局部纹理运动车辆阴影检测方法。首先基于连续帧视频图像信息建立初始背景模型;通过背景差法获取包含阴影的运动目标区域,同时依据该运动区域信息实时更新背景;结合亮度信息,利用改进局部二值模式的纹理算子描述运动区域纹理,并根据海明距离进行粗分类,快速检测出运动区域中的阴影覆盖区;进一步对阴影覆盖区域进行纹理信息的线性特性判断,排除车辆自阴影区域,获取背景阴影,得到真实车辆目标。实验结果表明,该方法提高了阴影和车辆自阴影的检测准确度,且速度快,可满足实时性要求。