融合CLBP和局部几何特征的纹理目标分类

针对基于LBP的许多改进方法需要提前训练,对旋转和照明变化鲁棒性较差的特点,本文通过融合CLBP和图像表面的局部几何不变特征提出了一种新的纹理分类方法。该算法首先计算图像表面的局部几何不变特征,然后对其进行量化和编码。其次,再将编码结果与CLBP直方图进行融合。本文提出的算法能够同时提取图像的宏观和微观特征,且具有不明显增加特征维度,无需提前训练,对图像的旋转和光照变化保持不变的特点。在两个标准纹理数据库上进行实验验证,结果表明,本文算法与其它算法相比在分类精度和鲁棒性上都有明显的提高。     

基于在线多字典学习的矿井图像超分辨率重建方法

针对基于字典学习的方法在处理含有噪声且环境复杂的矿井图像时重建效果不佳的问题,提出了一种基于在线多字典学习的矿井图像超分辨率重建方法。该方法利用K-means聚类算法将图像训练集划分为多类图像,并针对不同类图像训练多组高低分辨率字典,提高字典对环境复杂图像的特征表示能力;根据图像非局部自相似性,引入非局部约束项进一步约束稀疏系数的解空间,并通过在线字典学习对多字典学习阶段的字典进行优化,提高稀疏系数求解的准确性,从而提高图像重建过程的抗噪声干扰能力。实验结果表明,该方法能够有效提高重建图像质量,抑制噪声引起的图像块效应和边缘锯齿效应,增强图像细节,具有更好的视觉效果。