基于改进LBP和DBN的人脸识别算法研究

针对传统LBP算法的人脸识别易受光照、背景、遮挡等因素的影响,使用改进局部二值模式(LBP)和深度信念网络(DBN)相结合的方法,用多尺度块局部二值模式(MB-LBP)算法获取人脸图像的纹理特征,在此人脸纹理特征的基础上使用中心对称局部二值模式(CS-LBP)算法获取图像的纹理特征,然后将两次获得的纹理特征图像的直方图进行融合,并将其输入到DBN中进行训练,优化网络参数。     

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法.首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计.然后,根据统计结果的分布,提取出有效的二值特征图像.最后,用Hamming距离进行虹膜识别.对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955％、99.848％、99.989％、99.916％.实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性.     

基于改进LBP的人脸面部表情特征提取方法（英文）

面部表情识别中,局部二值模式(Local binary pattern, LBP)是一种重要的纹理特征提取方法,但其在特征提取时维度较高、提取速度慢、不能得到有效的局部或者全局特征,因而提出了一种基于改进LBP的人脸面部表情特征提取方法。该将LBP转化为双局部二值模式(Double local binary pattern, DLBP),融合泰勒展开式(Taylor expansiion, TE),生成DLBP-TE算法,此算法结合极限学习机(Extreme learning machine, ELM)分类算法应用于七种表情分类中,在日本成年女性面部表情(JAFFE)数据库中进行实验。结果表明,此方法能显著提高面部表情识别率。     

改进局部二值模式在磨粒图像识别中的应用

局部二进制模式(LBP)是一种有效的图像纹理描述算子,但传统的LBP算子的二进制序列是通过邻域内各像素的灰度值与邻域中心像素灰度值的比较得出的,这种比较过于简单容易导致纹理信息的丢失。提出一种改进的LBP算子来提取图像的纹理特征,并将其应用于严重滑动磨粒、疲劳剥块和层状磨粒3种典型磨粒的识别中。结果表明:与其他算法相比,提出的算法能更有效地提取磨粒的纹理特征,提高了识别精度。     

基于特征融合和GWO-SVM的铸铁金相组织分类技术研究

针对人工金相组织定量分析效率低、主观影响较大的问题，提出基于灰度共生矩阵(GLCM)和局部二值模式(LBP)融合的铸铁金相组织分类方法。分别提取铸铁金相图片GLCM和LBP特征，并使用主成分分析(PCA)将LBP特征降维，组成特征向量；通过不同核函数的对比，选择高斯核函数(RBF)作为支持向量机(SVM)的核函数；为了提高模型的效率，采用灰狼优化算法(GWO)对核函数进行优化。结果表明，GLCM和LBP融合后的分类效果要优于单一的GLCM和LBP；基于GWO优化后的SVM分类效果也要优于RF和ELM，分类准确率可以达到98.67%。     

融合分层连续梯度特征的高铁隧道漏缆卡扣检测

基于局部二值模式的深度挖掘算法和多特征融合算法是提取铁路隧道漏缆卡扣特征的有效方法,但它们存在描述子表述性不强且特征维度过高的问题.提出分层连续梯度二值模式,能够实现卡扣轮廓特征的尺度变换并降低描述子的特征维度,提高故障卡扣图像的分类准确率.首先采用改进的中心对称局部二值模式和根据全局灰度均值获得的自适应阈值,计算采样...     

基于PX-LBP和像素分类的装配体零件识别研究

针对机械产品装配维修诱导中零件和装配体的识别、监测问题,对装配体零件识别及装配监测进行了研究,对LBP算子进行了改进,提出了一种基于像素局部二值模式(PX-LBP)和像素分类的装配体零件识别及装配监测方法。首先将LBP算子与像素分类融合,提出了PX-LBP算子;然后对深度图像进行了PX-LBP特征提取,生成了训练集和测试集;最后训练随机森林分类器,并利用训练好的随机森林分类器实现了对测试集深度图像的像素分类,生成了像素预测图像,通过像素预测图像与标记图像对比实现了装配体零件的识别及装配过程的监测。研究结果表明:该方法对于模型深度图像的像素识别率可达到98.81%,对于真实装配体深度图像的像素识别率也可达到77.51%;该方法兼具了一定的实时性与鲁棒性,可用在装配维修诱导、装配监测和自动化装配邻域中。     

基于网格纵横局部二值模式的三维人脸识别

提出一种基于网格纵横局部二值模式的三维人脸识别方法。为了充分体现人脸表面的细节差异,有效表示出由表情引起的局部形状变化,本文首先在人脸网格表面的半刚性区域内检测关键点集,并且由关键点确定中心面片,由中心面片及其周围有序环确定关键点邻域;其次将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取网格纵向局部二值模式描述符和网格横向局部二值模式描述符;然后对这两者进行特征融合得到网格纵横局部二值模式描述符;最后利用LC-KSVD2字典学习算法在Bosphorus数据库和FRGC v2.0数据库上完成识别实验。在Bosphorus数据库上各表情的平均Rank-1识别率为97.6%,在FRGC v2.0数据库上的Rank-1识别率为97.9%,该实验结果充分表明本文所提算法具有较高的识别精度,并且对表情变化具有一定的鲁棒性。     

一种多尺度时频纹理特征融合的场景分类算法

场景分类目前是机器视觉领域的一个研究热点,为了解决该研究领域中分类特征的提取问题,提出了一种多尺度纹理描述子(MSTD)特征。首先,采用小波变换,获得图像在时频域上的多尺度纹理视觉全局特征信息,之后提取反映局部细节的局部二值模式(LBP)特征,在时频域上进行融合,生成多尺度纹理描述子特征,以此作为图像分类的依据,最后采用支持向量机(SVM)作为分类器进行场景分类。在4个标准数据集上进行测试,实验结果表明,该方法具有较高的分类正确率,对室外场景的分类正确率都在84%以上。所提出的分类方法充分考虑了全局特征和尺度信息,增强了单层特征的区分度,有效地改善了分类的精度。     

视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

基于多尺度LBP特征的人脸描述与识别

为提高人脸识别的准确性和鲁棒性,提出了一种基于多尺度LBP特征的人脸描述与识别算法。先对原始人脸图像进行二级小波分解,并采用LBP算子分别计算两幅低频逼近图像的LBP特征谱,再将LBP特征谱划分为若干个互不重叠的特征区域,并分别进行直方图统计,最后将所有区域的LBP直方图序列连接起来得到多尺度LBP特征,将其作为人脸的鉴别特征用于分类识别。所提出算法在ORL人脸数据库上取得高达99%的人脸识别率。实验分析表明,多尺度LBP特征具有较强的人脸图像描述能力和可鉴别性,且对人脸表情及位置的变化具有较高的鲁棒性。     

基于改进SIFT特征提取的车标识别

为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响,提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测,剔除与车标识别区域无关的极值点;同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量,使SIFT描述子具有全局描述特性;并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明:改进的SIFT算法可以减少冗余极值点约25%~45%,提高了检测极值点的有效性;使车标平均识别率达到97%以上,改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。     

冷轧带钢表面相似线性缺陷检测

针对现有冷轧带钢表面的相似线状缺陷检测精度与识别率差的问题，提出一种局部二制模式LBP直方图特征与支持向量机SVM相结合的检测算法。通过对采集的大量划伤与夹杂的带钢表面缺陷图进行预处理，获得感兴趣区域，再进一步利用LBP等价模式获得目标区域的LBP直方图信息，结果显示可以很好地分辨缺陷与非缺陷，并描述的各种缺陷具有可分辨性。采用核函数为径向基函数核的SVM分类器训练识别，结果表明：该方法对划伤和夹杂的缺陷检测准确率达98%。     

图像特征点提取技术研究

图像特征点是一个重要局部特征,传统的灰度重心法是重心模型的一种改进,其主要特点是对点坐标进行像素点的灰度加权,但其抗噪声性能较差.对此,文中采用一种改进算法,通过将目标区域划分成内部像素区域和边缘像素区域2部分,并对内部像素灰度进行均值化,从而有效抑制内部像素噪声.同时,利用连通性对图像进行特征标识,提高特征点提取的速度.最后,通过仿真实验验证了改进算法的正确性,并表明改进算法有更好的噪声抑制性能.     

基于集成学习的铸件缺陷识别方法

针对铸件图像噪声多和对比度不足引起的缺陷识别困难的问题,文中提出了一种基于集成学习的铸件缺陷识别方法。首先,该方法采用灰度变换法、双边滤波以及自适应图像分割法对铸件图像进行预处理。然后,通过提取方向梯度直方图（Histogram of Oriented Gradients, HOG）特征、不变矩特征和局部二值模式（Local Binary Pattern, LBP）纹理特征构建全信息特征集,并结合支持向量机递归特征消除（Support Vector Machine-Recursive Feature Elimination, SVM-RFE）算法筛选铸件缺陷敏感特征。最后,利用Adaboost-RF（Adaptive Boosting-Random Forest）方法构建铸件缺陷识别模型。对比实验结果表明,该模型不仅可以有效提取缺陷敏感特征,而且相较于其他分类器具有更好的分类性能和泛化能力。     

基于视觉显著性的木板实时分类方法研究

木板分类是木制家具制作的重要环节,现有的木板分类算法仅从纹理特征方面进行分类,且运用的纹理分析方法与实际人眼分类标准具有一定的差异性,如局部二值模式法(LBP)、灰度共生矩阵法(GLCM)等方法。从人眼仿生角度出发,将视觉显著性融入基于木板表面综合特征的分类算法中,提出一种基于木板视觉显著性的分类方法。采用高精度线阵相机搭建机器视觉系统进行木板图像的实时采集,通过动态阈值分割、特征筛选、形态学处理等方法识别图像中的木板区域,提取基于视觉显著性的木板纹理区域占空比,木板纹理区域与背景区域的对比度等特征,构建多层神经网络进行分类识别。利用从木材加工厂实时采集的1 156张木板图片进行分类实验,实验证明基于视觉显著性输入特征的多层神经网络可以完成木板分类任务,且具有94.17%的分类准确率。     

滚动轴承保持架缺陷的图像处理及模式识别方法研究

轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的Hu矩和旋转不变均匀局部二值模式(LBPrPiu,2R)作为纹理特征,并结合PCA降维方法构建轴承保持架缺陷识别的SVM分类模型。结果表明,基于Hu矩和LBPrPiu2,R的SVM模型的正确识别率分别为85%和100%。因此,轴承LBPrPiu2,R特征结合SVM模型对轴承保持架歪斜缺陷具有较好的识别效果。该方法有望为滚动球轴承保持架铆压工艺缺陷的自动识别提供参考。     

基于CART决策树与改进的AdaBoost的视网膜血管提取算法

本文提出了一种分类回归树(Classification and regression tree, CART)算法与改进的AdaBoost相结合的视网膜血管分割的监督学习算法。该算法对视网膜图像的绿色分量提取、反转、膨胀和增强后分别提取LBP(local binary patterns)纹理特征和局部特征,从而构建出17维特征向量。利用特征向量与专家手工标注的数据构造一个数据集,以特征为节点生成CART二叉树,将CART二叉树作为AdaBoost的弱分类器,通过加入再判决函数对AdaBoost做出一定改进,从而形成强分类器。本算法在DRIVE(digital retinal images for vessel extraction)数据库上进行了实验仿真,实验结果表明,本文所提出的改进算法对血管的分割精度高,包含了完整的血管细节,而且分割出来的血管树的连通性较好,能够反映出血管的分布走势。与传统的AdaBoost分类算法和基于SVM(support vector machine)的分类算法相比,本文所提出的改进算法的平均准确率和可靠性指标都比较高。     

基于LBP的移动环境下的人脸识别研究

提出一种基于Android平台实现的具有较强鲁棒性的人脸识别方法.根据终端用户拍摄场景的多变性,首先通过人眼检测、瞳孔定位、GIC校正和直方图均衡化算法对人脸图像进行归一化处理,达到比较好的实用效果 ;其次利用局部二值模式(LBP)提取全局直方图特征,再将图像划分为若干大小相同的子区域,提取每个子区域的LBP直方图,最后将全局和局部直方图按一定的顺序结合作为人脸图像的最终特征.在Android平台上用ORL人脸数据库对该方法进行测试,结果表明具有较好的识别性能.     

一种改进的Harris角点提取算法

针对广泛使用的Harris角点提取算法在对T型和斜T型角点存在定位不准确以及运算速度慢的特点,提出了一种改进算法。改进算法以目标像素点的8-领域范围内与之灰度相似的点的数目为基础,并将该值与目标像素点附近的其他像素点进行比较,分析局部范围内的像素点的灰度值分布,根据比较结果,从中遴选出部分像素点作为下一步Harris角点检测算法的计算对象,并根据角点函数响应值的大小,最终判断该像素点是否为角点。实验结果表明改进算法大大提高了角点检测速度,并对T、斜T型角点提高了其角点检测的定位精度。