多特征融合的瓷砖表面缺陷检测算法研究

鉴于单一特征在瓷砖种类较多的情况下,存在对瓷砖表面缺陷内容表达不明显,导致复杂瓷砖识别率较低。针对这个问题,在词袋模型（BoF）框架的基础上,提出一种有效的多特征融合算法用于瓷砖缺陷检测。该算法采用改进后的SIFT和颜色矩融合特征作为瓷砖图像的区域特征描述;根据每种特征对瓷砖被分类的准确率大小,给提取到的两种区域特征分配各自的权重系数实现特征的加权融合;形成综合特征向量送入SVM分类器达到瓷砖缺陷分类的目的。通过不同类型的瓷砖样本进行实验表明,该算法识别率高,对复杂瓷砖能实现较好的分类。     

BoF扩展模型研究

BoF特征是目前应用最广泛的图像表示方法。针对BoF特征编码简单、缺乏空间信息的缺点,对传统BoF流程中的特征编码和特征汇集阶段进行改进,提出了用于图像分类的新图像表示方法。首先对图像进行了基于多环划分的特征汇集的区域选择,嵌入了更多的空间信息;其次,根据密采样的特征描述子符合长尾分布的事实以及场景中特征分布比较均匀的特点,提出了适合于场景图像分类的多视觉词硬编码的编码方法。新的图像表示方法保存了BoF范式的优点,且特征表示更加紧凑、空间信息更加丰富。实验结果证明了所提方法的有效性。     

杜鹃花各生长期识别与监测研究

针对传统BoF算法缺乏空间信息的问题,文中提出一种改进式BoF算法,并将其应用于杜鹃花各生长期识别与病虫害监测问题。该算法在基于LAB的颜色特征中融入有序的空间信息,形成了新的空间颜色聚合特征来代替传统颜色直方图,有效解决了颜色特征变化尺度小的问题。该算法提取SURF特征代替原有的SIFT特征,通过一种多类特征学习算法融合颜色特征和SURF特征实现图像分类,并通过进一步分析叶片特征来快速识别杜鹃花植株的生长期与病害。经过仿真得知,基于LAB的颜色聚合向量的改进式BoF模型识别率达到了90.6%,较传统颜色直方图的图像分类方法图像检索速度增加3倍,更容易实现特征融合。     

基于BoF模型的多特征融合果蔬图像分类方法

针对传统BoF模型无法有效利用图像颜色及纹理来更好地表述果蔬特征的问题,文中提出了一种在BoF模型中进行多特征融合的果蔬图像分类算法。该算法首先提取并融合图像的颜色矩和SURF特征形成SURFC特征描述子;然后分别对CLBP及SURFC特征进行K-均值聚类以生成特征词典,并使用特征词典对所有特征量化编码;最后使用SVM对编码结果进行训练得到分类器并识别。实验结果表明,BoF模型融合颜色和纹理特征后,在果蔬图像分类效果上明显优于单一特征或者其他特征融合的BoF模型,识别率最高可达到94%,更适合果蔬图像分类。     

基于BoF模型的图像表示方法研究

设计合适的图像表示是计算机视觉中最重要的问题之一。BoF特征表示方法非常流行,已经广泛应用于图像分类、对象识别、图像检索、机器人定位和纹理识别。BoF特征是将图像表示为无序的特征集合。这种方法虽然缺乏结构信息和空间信息,但概念简洁、计算简单,在某些应用上取得的效果甚至可以与当前最好的方法媲美。仔细研究了BoF模型,着重对BoF模型中的3个阶段:局部特征提取、特征量化和编码、特征汇集所涉及到的典型技术进行了讨论。最后在分析各类研究方法的基础上,总结了目前研究存在的问题及可能的发展方向。