Gabor小波和改进LBP的零件表面粗糙度识别

目的 为了提取零件表面图像的纹理特征并对其表面粗糙度分类识别,有效提高识别的正确率,提出了联合Gabor小波和改进局部二值模式(LBP)的纹理特征提取方法。方法 针对传统LBP算子忽略了邻域内灰度差幅值特征的问题,提出了M_LBP(magnitude considered LBP)算子。采用Gabor小波对零件表面图像滤波,并计算各子图像 Gabor幅值特征GMM(Gabor magnitude maps)。应用M_LBP算子计算各GMM的M_LBP特征谱,进而构造得到零件表面图像的纹理特征向量,最后通过KNN(K-nearest neighbor)算法对零件粗糙度分类识别。结果 本文提出的算法有效细化了表面图像纹理特征,对粗糙度差别为0.2 μm的零件识别准确率达到98%,远高于利用传统LBP算子提取的纹理信息的识别准确率。结论 本文提出了一种有效细化LBP纹理特征的M_LBP算子,并通过与Gabor小波的结合,突破了传统LBP算子尺度、方向单一,幅值信息被忽略的局限性,能实现较高精度的粗糙度识别。     

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Gabor和二值叠加CS-LBP特征的人脸表情识别

在表情识别中Gabor结合局部二值模式（LBP）的特征提取方法以及直方图统计降维虽然是较为局部化的方法,但LBP鲁棒性较差,识别精度不高,而且使用直方图统计来区分表情,其计算复杂度和特征维数依旧较高。中心对称局部二值模式（CS-LBP）与LBP相比具有较好的鲁棒性,但其对表情纹理细节的描述仍不够详细。因此提出基于Gabor结合改进的CS-LBP即二值叠加中心对称局部二值模式（二值叠加CS-LBP）的特征提取方法。用Gabor提取特征,同时用两种计算方式提取两个特征值并叠加,作为最终识别的特征;并通过离散余弦变换（DCT）降维,有效降低表情的特征维数。在JAFFE表情库中实验验证了该方法能有效提高识别精度。     

融合Haar型局部特征的人耳识别算法

人耳具有丰富的结构特征,针对单一特征描述影响人耳识别率的不足,提出一种融合Haar型局部特征的人耳识别算法。算法采用符合人耳外部形状的椭圆形LBP算子与HOG算子,分别提取图像的纹理特征和边缘特征,将两种特征进行融合。利用Haar特征运算快捷的优势,引入到LBP和HOG特征提取中。通过分别设计的4组Haar编码模式,构建椭圆形LBP算子与HOG算子。对改进算法进行实验与分析,实验结果表明了算法的有效性和实用性。     

结合Gabor滤波器和扩展LTP算子的无监督纹理图像分割

目的 现实中的纹理往往具有类型多样、形态多变、结构复杂等特点,直接影响到纹理图像分割的准确性。传统的无监督纹理图像分割算法具有一定的局限性,不能很好地提取稳定的纹理特征。本文提出了基于Gabor滤波器和改进的LTP（local ternary pattern）算子的针对复杂纹理图像的纹理特征提取算法。方法 利用Gabor滤波器和扩展LTP算子分别提取相同或相似纹理模式的纹理特征和纹理的差异性特征,并将这些特征融入到水平集框架中对纹理图像进行分割。结果 通过实验表明,对纹理方向及尺度变化较大的图像、复杂背景下的纹理图像以及弱纹理模式的图像,本文方法整体分割结果明显优于传统的Gabor滤波器、结构张量、拓展结构张量、局部相似度因子等纹理分割方法得到的结果。同时,将本文方法与基于LTP的方法进行对比,分割结果依然更优。在量化指标方面,将本文方法与各种无监督的纹理分割方法就分割准确度进行对比,结果表明,在典型的纹理图像上,本文方法准确度达到97%以上,高于其他方法的分割准确度。结论 提出了一种结合Gabor滤波器和扩展LTP算子的无监督多特征的纹理图像分割方法,能够较好地提取相似纹理模式的特征和纹理的差异性特征,且这些纹理特征可以很好地融合到水平集框架中,对真实世界复杂纹理图像能够得到良好的分割效果。     

基于变差函数和局部方差图的煤岩图像纹理特征提取

针对现有煤岩纹理特征提取采用局部二值模式算法存在分类准确率欠佳、算法运行效率较低及旋转纹理识别鲁棒性较差等缺陷,提出了一种基于变差函数和局部方差图的煤岩纹理特征提取算法。该算法首先在局部二值模式理论框架中逐像素计算局部方差得到局部方差图,然后在局部方差图中利用变差函数计算不同方向的变差函数向量,最后组合变差函数向量作为纹理特征,将所提取特征与局部二值模式特征融合完成煤岩纹理分类与识别。实验结果表明,该算法能够有效地提取局部方差的空间分布信息,实现对局部二值模式丢失信息的再利用,分类结果优于多种经典的局部二值模式纹理特征提取算法,分类准确率达到86%。     

基于二维Gabor滤波器的胶带撕裂检测

现有的基于机器视觉技术的胶带撕裂检测方法处理背景纹理复杂的图像时易将撕裂痕迹相对背景纹理不明显的缺陷区域误判为无缺陷,且检测结果噪点较多,不易识别。针对上述问题,提出了一种基于二维Gabor滤波器的胶带撕裂检测方法。该方法采用Gabor滤波对胶带图像进行处理,得到多幅Gabor滤波处理图;通过Gabor优化选择方法,以变异系数为基础构建新的代价函数,选取最优滤波通道,突出撕裂区域纹理特征;利用Sobel算子分别提取水平和垂直方向的撕裂区域纹理特征,得到2个方向的梯度图,对所得梯度图进行自乘归一化操作,增强纹理信息,采用像素加权平均法融合2幅图像;将得到的融合图像通过自适应阈值二值化的方法进行阈值分割,并利用形态学技术对待检测图像进行胶带撕裂检测。检测结果表明,改进后的Gabor优化选择方法比原Gabor优化选择方法和基于Sobel算子的纵向撕裂检测方法漏检率更低,可以检测出背景纹理复杂的胶带缺陷图像中的所有缺陷,并且检测结果清晰,撕裂区域轮廓特征保留较为完好。     

基于局部连接度和差异度算子的水平集纹理图像分割

目的 复杂纹理的图像分割一直是图像分割的难题,现有的一些纹理图像分割方法主要通过提取图像确定方向的灰度变化特征或者提取图像的局部灰度相似性特征得到特征图像,从而进行纹理图像的分割,然而,自然纹理中普遍存在局部形态相似和方向不确定的现象,导致现有方法不能准确地分割纹理图像。方法 本文提出局部连接算子和局部差异算子来描述局部纹理的形态相似性和局部纹理的差异度。一方面,通过设定一定阈值,将局部区域的灰度差异分为两类,分析两类差异的分布特征,从而提取图像的形态特性及局部连接度算子;另一方面,设置一种无方向性的灰度差异分析算子,提取图像局部的灰度差异值从而得到局部差异度算子。两个算子结合以更好地提取纹理图像的局部特征,然后通过融合局部相似度特征、局部差异度特征和灰度信息,构造水平集能量泛函,进而通过最小化能量泛函实现纹理图像分割。结果 相比基于Gabor变换、结构张量、局部相似度因子的纹理分割方法,提出的局部算子能够更好地区分自然图像的不同纹理区域,且对实验图像的平均分割准确率高达97%,远高于其他方法。因此,提出的模型对于自然纹理图像具有更好的分割效果。结论 本文提出了两种新颖的纹理特征局部描述子：局部连接度算子和局部差异度算子,能够有效地提取纹理特征,且有一定的互补性。实验表明,提出的方法对于复杂自然纹理图像具有良好的分割效果。     

基于局部二元模式Gabor小波变换的人脸识别

将局部二元模式(LBP)与Gabor小波变换相结合,用LBP算子对Gabor特征幅值的邻域变化进行编码,并用直方图分析LBP编码后的局部变化属性,这样避免了因下采样造成的信息损失,同时又通过直方图统计达到了降维的目的.实验结果表明,该方法结合了LBP与Gabor变换的优点,增强了直方图的鉴别能力,又能有效降低维数,取得了较理想的识别效果.     

基于改进WLD的纹理特征提取方法

在纹理分类应用背景下,原始韦伯局部描述符( WLD)对纹理模式区分能力有限。针对该问题,提出一种基于正负梯度改进的WLD( WLD-PNG)。利用局部窗内像素点间灰度变化的正负梯度构建纹理特征描述符,通过分离计算正负梯度的差分激励算子,保留灰度等级变化的正负性信息,以增强纹理模式的可区分性,运用均匀局部二值模式( uLBP)提取灰度等级变化的空间分布结构信息,并提高纹理模式的识别能力,使用均匀量化和编码技术将差分激励算子与uLBP结合,从而描述图像的纹理特征。在Brodatz和KTH-TIPS2-a纹理库上进行对比实验,结果表明,与原始WLD,uLBP,WLD+uLBP及已有改进的WLD等方法相比,WLD-PNG在提高纹理分类性能的同时,具有较好的稳健性和较低的计算复杂度。     

一种快速有效的图像纹理谱描述子

提出了一种基于纹理基元等价类的纹理谱描述子来描述图像的纹理特征．该纹理谱刻画邻域内像素灰度变化模式，以纹理谱直方图方式表示图像内容．与Gabor纹理特征的对比实验表明，文中的纹理谱描述子特征提取速度快、检索准确率高．最后给出了实验结果和性能评价．     

基于纹理谱描述子的图像检索

提出一种新的纹理谱描述子应用于基于内容的图像检索中.讨论了小波变换的思想和纹理谱概念的联系,根据纹理的视觉特性,提出纹理模式等价类的概念,设计出更合理的纹理谱描述子来描述图像的纹理特征.该纹理模式刻画了领域内像素灰度变化模式,以纹理谱直方图方式表示图像纹理内容.分析了纹理谱的对称不变性和旋转鲁棒性的特点.应用于图像检索,与G曲or纹理特征相比较,该纹理谱描述子特征提取速度快,检索准确率高.     

A cloud-based monitoring system via face recognition using Gabor and CS-LBP features

Face detection and recognition is an important topic in security. Currently, ubiquitous monitoring has received a large amount of attention. This paper proposes a cloud-based ubiquitous monitoring system via face recognition. It consists of a monitoring client module for face detection and recognition and a cloud storage module for data visualization. In the monitoring client module, the center-symmetric local Gabor binary pattern feature extraction method is proposed for face recognition, which combines improved multi-scale Gabor and center-symmetric local binary pattern (CS-LBP) features. This method maintains crucial local features, reduces the Gabor filter complexity, and adds rotational invariance and more precise texture information. A large number of experiments on the ORL, Yale-B, and Yale databases show that the proposed method obtains significantly better recognition rates than the LBP, CS-LBP, and Scale Gabor methods. Furthermore, we propose a Web browser-based data visualization that renders the geographic locations of the face detection and recognition results.     

基于局部谱能量自相似矩阵的纹理描述

对于纹理检测和分类中的纹理描述问题,提出一种新的基于Gabor滤波器组局部谱能量的自相似矩阵来描述纹理的方法。首先采用多尺度、方向的极坐标对数Gabor滤波器组对纹理模板进行滤波,获得频域上局部频段和方向上的纹理信息;然后计算频域上各尺度、方向上局部谱能量的自相似度量,将这些度量值以自相似矩阵的形式进行存储,并作为纹理特征的描述子;最后将这种描述方法应用到纹理检测和分类中。由于该描述子主要体现的是纹理模板在不同频段和方向局部谱能量的自相似程度,所以它对滤波器参数的依赖度较低。实验中利用纹理特征描述子可以实现比较准确的纹理检测,多类纹理合成图像分类实验的准确率达到了91%以上。实验结果说明,纹理局部谱能量的自相似矩阵是一种十分有效的纹理描述方法,其检测和分类的结果对后期的纹理分割、纹理识别等研究领域具有广泛的应用前景。     

一种新的基于局部傅立叶级数的纹理描述子

纹理分析在图象分析和模式识别中起着非常重要的作用,而纹理描述又是其中一个基础的研究课题。由于均匀纹理其局部的灰度分布与空间关系在整体上具有周期性,因此可以用这种局部信息来很好地刻划不同纹理的差异。为了获得良好的纹理分类效果,利用象素点八近邻灰度之间的空间相关性,提出了用八近邻的傅立叶级数作为纹理刻划的新方法。该方法视象素点的八近邻为周期列,并首先通过计算其傅立叶级数,进而来得到整幅图象的局部傅立叶级数图,然后将通过对该傅立叶级数图幅值进行量化而获得的直方图作为纹理描述子（该纹理描述子具有平移旋转不变性）;最后用13种Brodatz纹理来进行分类。实验结果表明,该描述子具有良好的分类能力。     

Extension of higher order local autocorrelation features

This study investigates effective image features that are widely applicable in image analysis. We specifically address higher order local autocorrelation (HLAC) features, which are used in various applications. The original HLAC features are restricted up to the second order and are represented by 25 mask patterns. We increase their orders up to eight and extract the extended HLAC features using 223 mask patterns. Furthermore, we create large mask patterns and construct multi-resolution features to support large displacement regions. In texture classification and face recognition, the proposed method outperformed Gaussian Markov random fields, Gabor features, and local binary pattern operator.     

MPEG-7纹理描述子的图像检索

利用MPEG-7中所制订的统一格式,来提取纹理图像的特征,其中使用了同构型纹理图像描述子、纹理图像浏览描述子和边界直方图描述子三种特征描述来检索图像。同构型纹理图像描述子是使用Gabor滤波器来加强特定纹理方向和纹理大小的信号,并计算在各个频道的能量强度。纹理图像浏览描述子也是利用Gabor滤波器来提取纹理的方向性,并利用找出的方向性经过投影和自相关函数来找出纹理大小,并判断规则度。而边界直方图描述子则是找出在图像区块中的边界型态,统计成直方图来作为特征。文中使用了上述三种描述子,实验结果显示可以检索出最相似的纹理图像,但是每种描述子仍有它使用的限制和缺点。同构型纹理图像描述子适合使用在同构型较高的纹理图像上;纹理图像浏览描述子对于非30倍数的角度较不敏感,容易出现误差;边界直方图描述子只适用于有明显边界分布出现的图像。