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LBP的人脸识别

本文首次提出应用局部二值模式(LBP)算法来预测人脸旋转姿态。首先建立平均人脸的特征直方图模型(正面人脸特征直方图、左转人脸特征直方图和右转人脸特征直方图),然后通过比较测试人脸特征直方图与平均人脸特征直方图的距离来预测人脸旋转类型。实验结果表明本文方法可以有效的预测人脸姿态。     

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。     

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.     

基于改进局部二值模式及特征融合的人脸表情识别

局部特征描述算子在表情识别领域有着广泛的使用。通过对现有表情识别算法的的研究，针对传统局部二值模式(LBP)算法只考虑领域像素和中心像素点的关系，而忽略了领域像素之间的相互影响。而中心对称局部二值模式(CS-LBP)只考虑了中心对称像素之间的影响。结合LBP和CS-LBP特点出了一种改进的LBP算法，实验结果表明改进的LBP算子利用像素点更充分，能更好的表达特征。针对单一特征很难准确描述原始图片的信息，又提取了图像的Gabor特征，分别与提取LBP特征和改进的LBP特征进行特征融合，使提取的特征更加丰富详细。分类算法中考虑到SVM具有强大的非线性分类能力，将提取的特征与SVM分类器进行结合，在公开表情数据集CK+上采用留出法进行验证，准确率达到95.77%，实验结果表明该方法优于传统的表情识别算法。     

柴油机振动谱图纹理增强的NMF特征提取方法

针对柴油机振动加速度信号特征提取困难的问题,提出一种对时频图像纹理信息进行增强的矩阵非负分解方法,用于提取柴油机振动信号的时频特征。首先,利用匹配追踪算法(MP)结合Wigner-Ville分布获取时频分辨率较好的时频表征;然后引入局部二值模式(LBP)算子对时频图像的灰度矩阵重新编码,再利用非负矩阵分解算法(NMF)获取时频图像对应的低维特征参量,以增强时频图像的纹理特征,提高NMF的特征提取效果。通过对柴油机4种不同状态的振动信号进行分析研究,可得出结论:该方法能有效地表达柴油机缸盖振动加速度信号的时频特征,可用于准确地诊断柴油机的气门故障。     

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.     

一种仿生的人脸不变特征提取方法

为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法.通过模拟初级视皮层(V1)的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征.网络的第1层模拟Vl简单细胞的功能,通过稀疏编码方法学习获得一组类似Vl简单细胞的滤波器,利用该组滤波器提取图像的光照不变特征;第2层模拟V1复杂细胞的功能,通过局部极大值运算对第1层的输出在空间和尺度邻域内进行合并,得到对光照、表情、轻微姿态变化和面部局部细节变化具有鲁棒性的人脸不变特征.以此不变特征代替原始人脸图像作为子空间算法的输入,从而提高识别率.在FERET和ORL人脸库上的实验表明,相对于直接使用子空间算法,方法将识别率提高了4.95%～20.35%.     

基于CSLBP的轴承信号时频特征提取方法

针对滚动球轴承振动加速度信号特征提取问题,提出一种基于中心对称局部二值模式(center-symmetric local binary pattern,简称CSLBP)的时频特征提取方法。首先,利用广义S变换对滚动球轴承振动加速度信号进行处理,通过采用时频聚集性度量准则自适应地确定广义S变换的调整参数,从而获取时频分辨性较好的二维时频图;然后,计算二维时频图的CSLBP,提取CSLBP纹理谱描述滚动球轴承振动加速度信号的时频特征。对滚动球轴承正常、外圈故障、内圈故障和滚动体故障4种不同状态的振动加速度信号进行了研究。结果表明,CSLBP纹理谱能有效地表达滚动球轴承振动加速度信号的时频特征,与局部二值模式(local binary pattern,简称LBP)和统一模式LBP纹理谱相比,CSLBP纹理谱具有特征维数低和区分性能好的优点。     

采用纹理近邻模式的掌静脉生物特征识别研究

针对传统局部二值模式(LBP)只以固定的中心像素为阈值的编码方式进行了改进,从纹理分析角度,提出一种基于近邻模式的掌脉身份识别方法,主要利用局部区域相邻像素之间的灰度大小关系,对掌脉图像进行近邻二值模式(NBP)编码。首先将手掌静脉图像分成若干大小一致的区块,然后计算每一区块的灰度平均值,形成多块均值图像,进一步使用NBP对多块均值图像进行编码,最后利用汉明距离进行匹配。采用CCD图像传感器设计了光学仪器,在实际应用环境下获取掌脉图像建立图库,并在香港理工大学(Poly U)接触式公用图库和自建非接触图库上与目前典型和流行方法进行了对比实验,结果显示该方法在8×8区块划分情况下在2个图库上获得了最低等误率(EER)分别为0.698 3%和1.603 6%,识别时间为0.122 7 s和0.124 2s,显示出方法的可行性和有效性,具有应用前景。     

基于窗阈值局部二值模式的织物疵点检测算法

为准确描述不同织物的纹理结构,提出一种改进的局部二值模式,为不同纹理特征创建了相应的主要概率模式子集.在该特征提取算法的基础上设计了一种基于窗阈值的织物疵点检测算法,并对无图案和有图案织物分别设置了参数.该算法首先使用自适应局部二值模式获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该窗是否为疵点窗.对无图案和有图案织物的参数分别进行了讨论分析,以获得精确的分割结果.实验证明,所提出算法的疵点检测结果在视觉上更加细腻、误检率更低.     

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。     

多特征联合的薄壁零件表面缺陷检测方法

采用基于机器视觉的无接触检测方式对飞机制造中蒙皮、机翼缘条以及角片等薄壁零件表面缺陷进行自动检测，使用VMS-4030G影像仪采集零件表面信息，提出多特征联合检测方法检测缺陷。该方法主要包括图像Tamura纹理特征提取、图像局部二值模式(LBP)直方图和LBP下的灰度梯度共生矩阵特征(GGCM)提取。根据缺陷特性选择提取特征，对得到的特征应用主成分分析法(PCA)进行降维以及支持向量机(SVM)分类，最终得到检测结果。为了验证所提方法可行性，以带铆接孔的6061铝合金板代替飞机薄壁零件进行数据采集和检测。试验结果表明，该检测方法对毛刺、裂纹、凹陷及划痕的检测率均大于92%,明显优于单一特征提取的检测方法。     

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。     

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。     

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%。     

局部纹理特征改进空闲车位智能检测算法

针对车辆数量的爆炸式增长而智能停车场车位检测速度慢、正确率低的问题,提出了一种基于局部二值纹理特征改进的空闲车位检测算法,算法首先将监控摄像机采集的车位图像降噪滤波后转化为局部二值模式,然后通过结构模板集提取图像的局部二值纹理特征,作为空闲车位和有车车位的识别特征,最后通过核Fisher判别方法实现空闲车位的检测。实验结果表明,所提方法对空闲车位的正确检测概率达到91.57%,对有车车位的错误检测概率只有4.46%,满足停车场空闲车位自动检测的要求,检测性能优于实验中采用的对比方法。     

基于数据挖掘工具的人脸识别LBP计算

LBP(局部二元模式)是一种有效的图像纹理描述算子,本文首先提出了一种新的人脸识别中LBP的计算方法:采用数据挖掘工具"Weka"来计算"属性";然后,在人脸识别过程中,在假定每一块人脸区域都会对识别结果产生不同影响的前提下,本文又设计了一个9区域"面具",并且利用"RapidMiner"得到了此面具的一套优化权值。经过FERET人脸库测试,只使用这9个统一LBP时,这种方法的识别率在90%到94%之间。这种方法不仅减少了识别任务中特征向量的维度,而且还缩短了计算数据库中所有人脸的时间。     

基于局部和全局特征融合的图像检索

提出了一种综合全局统计特征和局部二值位图特征的图像检索算法。首先,分别计算图像R、G、B三通道的均值和方差,获取图像全局统计特征。然后根据块截断编码思想,将图像划分成4×4的图像子块,同样计算其均值,若块均值大于图像全局均值,则该块设为“1”,否则,设为“0”,由此得到图像的二值位图特征。最后,对归一化的特征进行有机融合获取最佳相似匹配函数进行检索。实验结果证明：综合两种特征的效果比使用单一特征的效果好;和同类算法相比,其算法鲁棒性好,检索准确率更高。     

局部方向模式在非接触掌纹识别中的应用

提高非接触掌纹识别系统的性能是目前掌纹识别领域一个具有实际意义的热点。针对非接触掌纹识别系统的鲁棒性问题,以掌纹图像的纹理特征为基础,提出一种基于局部方向模式(LDP)的掌纹识别方法,设计并实现了符合应用环境的嵌入式系统。LDP方法主要利用了Kirsch八方向算子的边缘响应值,从而获取图像的纹理方向模式特征。首先给出LDP算法的基本模型和流程,然后将非接触掌纹图像分成大小均匀的区块,利用LDP算法获取不同区块的纹理特征直方图向量,并进行融合形成总的模式特征,最后使用Chi距离测度进行匹配识别。在香港科技大学(HKUST)和自建的非接触掌纹图库上进行了实验测试,结果表明,该方法正确识别率可达97.824 4%和96.754 7%,相比其他典型和流行方法,最高可提升6.452 9%和5.995 6%。同时在室内环境下,利用自行设计的嵌入式原型装置进行了初步实际测试,结果表明,该方法正确识别率可达96.193 3%,具有可行性和有效性,提高了非接触掌纹识别系统的性能。