局部二值模式

摘要： 为解决人脸表情识别时存在的参数量大、速度低和表情区域特征表示力不足的问题,提出一种基于深度二值卷积网络的人脸表情识别方法.首先设计一个二值卷积与传统卷积并行运算的轻量化网络模型BRNet,以降低网络模型参数的复杂度,从而提升识别的速度;然后构建一个动态半径策略提取表情二值特征,并形成表情区域注意权重,实现表情局部特征与人脸全局特征的有效融合;最后设计交叉熵和L2损失,快速实现了表情图像的准确分类.实验结果表明,所提方法在常用的CK+和Oulu-CASIA表情库上的平均识别率分别达到99.25%和93.85%,皆优于同类轻量级卷积网络;网络参数量和计算量为5.0×10^(5)B和2.1×10^(5)B,而EfficientFace模型的计算量约为该方法的77倍,证明了所提方法在表情识别中的有效性和轻量性.

摘要： 在木材缺陷的识别中,由于噪声干扰导致识别率降低,因此提出一种新的木材缺陷识别算法。首先通过计算不同尺度下各个方向的梯度,利用正交分解将各个方向的梯度进行结合,得到改进的梯度方向直方图(HOG)特征,提高了HOG特征的鲁棒性;其次将改进HOG特征与局部二值模式(LBP)特征线性加权得到融合特征,弥补了HOG特征没有表征缺陷纹理变化的缺点;最后通过增加全局信息与监督信息改进局部保持投影(LPP)算法并对其降维,再引入支持向量机(SVM)对上述特征进行分类。实验结果表明:在高斯噪声的信噪比为60 dB的环境下该算法的识别率达到97.13%。

摘要： 煤和矸石的图像分类是实现煤矸自动分选的关键环节。为提高煤矸分选模型的准确性和稳定性,提出了一种结合Relief、MRMR算法及SVM分类器构建的混合式特征选择及分类方法,提取煤矸图像的颜色及纹理共26个特征对其分类进行研究。在提取纹理时联合使用了LBP局部和GLCM全局特征,有助于提高分类的准确性。利用该特征选择方法选出最优特征子集后,用粒子群和支持向量机算法构建PSO-SVM最佳参数模型进行煤矸分类。结果显示,该方法能剔除较多冗余特征,提高煤矸分类的效率;在两个数据集上,该模型的平均分类准确率分别达到96.12%和94.17%,证明了方法的有效性和模型的稳定性。

摘要： 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,计算采样圆域的梯度方向特征,得到完整的初步梯度方向特征图;然后在此特征图上进行两次连续的下采样迭代,并分别提取这两幅下采样特征图的连续梯度特征;最后,将这两层不同尺度的连续梯度特征串联作为描述子,用支持向量机完成漏缆卡扣图像的故障检测任务。实验结果表明,本文所提算法的召回率和精准度分别达到了0.923和0.857,相较于局部二值模式、中心对称局部二值模式、以及该系列的多种变体算法有明显的优势。

摘要： 提出了一种基于支持向量机(SVM)的搅拌摩擦焊(FSW)表面缺陷分类方法。首先,使用高斯金字塔获取下采样后的低分辨率图像以减少FSW表面洋葱纹的影响,使用Sobel算子和Hough直线检测算法提取感兴趣区域并将结果映射回原始图像,得到FSW轴肩作用区图像;其次,对得到的无缺陷、飞边和沟槽缺陷图像使用小波变换、灰度共生矩阵(GLCM)以及局部二值模式提取纹理特征;最后,将得到的特征向量输入支持向量机,完成对3种类别共2100张FSW图像的识别,总体分类准确率大于98%。通过对数据集添加不同方差的高斯噪声,验证了所提方法具有一定的抗噪能力,其分类结果可以作为搅拌摩擦焊加工过程中参数控制的一个反馈信号。

摘要： LBP纹理特征提取算法在提取纹理特征时,存在鲁棒性较差、对噪声较敏感等问题。针对前述问题,文章提出一种(ILNRBP)改进的局部抗噪鲁棒性二值模式。对于一个给定的中心像素,首先计算中心像素灰度值与邻域像素点周围的四个邻域像素点灰度均值之间的差值,然后将该差值与阈值T之间的差异二值量化得到ILNRBP二进制串,最后根据所有像素的ILNRBP直方图得到该幅图像的特征直方图。

摘要： 面向图片与视频攻击下的人脸活体检测任务,提出了一种差分量化相邻局部二值模式(DQ_CoALBP)算子,综合不同方向上的图像局部中心点与周围点之间的差值,同时为了更加充分地描述人脸的彩色纹理信息,在颜色空间通道上将该算子与局部相位量化(LPQ)直方图特征相融合,并利用支持向量机(SVM)分类器实现人脸反欺诈判别。在公开CASIA-FASD与Replay-Attack数据集上的实验结果表明,DQ_CoALBP算子的表现均优于LBP、LPQ、CoALBP与DQ_LBP四种算子。采用YCbCr颜色空间在融合DQ_CoALBP与LPQ算子时,CASIA-FASD数据集上的等错误率(EER)和半错误率(HTER)分别降至2.5%和3.7%,Replay-Attack数据集上实现了无差错检测,优于一些深度卷积神经网络模型。

摘要： 针对某装配线上离合器飞轮字符识别过程中出现的定位不准确、效率低的问题,提出一种环形字符区域定位方法和基于图像LBP特征的字符识别方法。首先,对相机采集到的离合器飞轮图像进行预处理,运用Canny边缘检测算子定位边缘轮廓,提取边缘坐标。其次,将像素级边缘坐标确定的圆心集导入DBSCAN聚类算法用来定位圆环区域,得到多行字符区域之后采用像素投影法进行字符分割。最后,利用LBP(local binary patterns)和支持向量机(support vector machine,SVM)方法对分割后的字符图像进行识别。实验结果表明,该方法检测速度快,抗干扰性强,整体字符识别准确率达到96%以上,能够满足离合器飞轮字符识别检测需求。

摘要： 针对婴幼儿表情识别率低、特征复杂提取不充分等问题,文中提出一种基于MobileNetV2与LBP双通道特征融合的婴幼儿表情识别算法。第1条通道使用改进后的MobileNetV2网络,可快速、准确地提取出人脸表情全局特征。第2条通道对原始输入图进行分块,利用图像信息熵构造出权值,提取出分块加权LBP直方图特征,突出了表情信息丰富的区域。通过融合双通道模型的输出向量来提升特征表达能力,并采用支持向量机替代Softmax层进行表情分类。实验表明,使用融合特征比单一特征具有更好的分类效果,并且在自建的婴幼儿表情数据集中的表情识别准确率可达到85.71%。

摘要： 针对肠道肿瘤图像样本有限导致肿瘤识别率低和收敛速度慢的问题,提出一种基于局部二值模式(LBP)和灰度共生矩阵(GLCM)的肠道肿瘤图像特征提取方法.首先,利用最大类间方差法自动计算图像灰度阈值,进行感兴趣区域的提取;然后,采用LBP+GLCM对肠道肿瘤部分图像进行特征提取,并利用支持向量机识别.对1500张肠道肿瘤图像进行实验的结果表明,该方法可达到94.84%的识别准确率,能有效辅助医学诊疗.

摘要： 目的：纹理是分析和识别木材的重要依据,根据纹理为木材进行分类对提升木材产品质量有着积极的意义.rn 方法：本文提出基于局部二值模式差异协方差矩阵(Covari-ance and Local Binary Pattern Difference,COV-LBPD)及最近邻分类器的木材分类算法.首先,提取图像特征.接着,为不同特征通道分别计算其LBPD(LBP Difference)特征.然后,整合所有LBPD特征,计算得到COV-LBPD矩阵.最后,以图像间COV-LBPD的距离为依据,采用最近邻分类器对进行木材图像进行分类.rn 结果：在木材图像数据集上测试,实验数据表明COV-LBPD结合最近邻分类器能够取得平均81％的分类准确率,相比局部二值模式协方差阵(Covariance of Local Binary Pattern,COV-LBP)结合最近邻分类器的方法提高了17.15％.rn 结论：COV-LBPD描述符结合最近邻分类器的木材分类算法是木材分类的优选方法,具有实际应用价值.

摘要： 近年来车牌识别技术作为智能交通系统的重要部分之一,主要是因为车辆数量不断上升再加上违法交通规则的人很多,为了要处罚违规的人,这时候就需要依靠车牌辨识.现在车牌识别主要应用在于高速公路、停车场车辆管理、违法车辆监控等等.在车牌识别过程一般可以分为车牌定位、车牌切割和字符识别三个部分.在车牌定位是从一个复杂环境中找到车牌大置上的位置,然后做为车牌识别过程第一步骤,因为车牌定位的结果会影响到整个系统的效能,常见的车牌辨识采用LBP特征、AdaBoost演算法和分层侦测器(cascade detector)的方法下去做车牌定位位置.而我们的方法不同地方在于使用SVM来辨识LBP特征本篇论文提出一种基于LBP(Local Binary Patterns)与SVM(Support Vector Machine)做车牌定位方法,首先采用LBP算子进行提取局部纹理特征,之后再透过SVM判断候选区域是否有车牌.

摘要： 近年来车牌识别技术作为智能交通系统的重要部分之一,主要是因为车辆数量不断上升再加上违法交通规则的人很多,为了要处罚违规的人,这时候就需要依靠车牌辨识.现在车牌识别主要应用在于高速公路、停车场车辆管理、违法车辆监控等等.在车牌识别过程一般可以分为车牌定位、车牌切割和字符识别三个部分.在车牌定位是从一个复杂环境中找到车牌大置上的位置,然后做为车牌识别过程第一步骤,因为车牌定位的结果会影响到整个系统的效能,常见的车牌辨识采用LBP特征、AdaBoost演算法和分层侦测器(cascade detector)的方法下去做车牌定位位置.而我们的方法不同地方在于使用SVM来辨识LBP特征本篇论文提出一种基于LBP(Local Binary Patterns)与SVM(Support Vector Machine)做车牌定位方法,首先采用LBP算子进行提取局部纹理特征,之后再透过SVM判断候选区域是否有车牌.

摘要： 近年来车牌识别技术作为智能交通系统的重要部分之一,主要是因为车辆数量不断上升再加上违法交通规则的人很多,为了要处罚违规的人,这时候就需要依靠车牌辨识.现在车牌识别主要应用在于高速公路、停车场车辆管理、违法车辆监控等等.在车牌识别过程一般可以分为车牌定位、车牌切割和字符识别三个部分.在车牌定位是从一个复杂环境中找到车牌大置上的位置,然后做为车牌识别过程第一步骤,因为车牌定位的结果会影响到整个系统的效能,常见的车牌辨识采用LBP特征、AdaBoost演算法和分层侦测器(cascade detector)的方法下去做车牌定位位置.而我们的方法不同地方在于使用SVM来辨识LBP特征本篇论文提出一种基于LBP(Local Binary Patterns)与SVM(Support Vector Machine)做车牌定位方法,首先采用LBP算子进行提取局部纹理特征,之后再透过SVM判断候选区域是否有车牌.

摘要： 近年来车牌识别技术作为智能交通系统的重要部分之一,主要是因为车辆数量不断上升再加上违法交通规则的人很多,为了要处罚违规的人,这时候就需要依靠车牌辨识.现在车牌识别主要应用在于高速公路、停车场车辆管理、违法车辆监控等等.在车牌识别过程一般可以分为车牌定位、车牌切割和字符识别三个部分.在车牌定位是从一个复杂环境中找到车牌大置上的位置,然后做为车牌识别过程第一步骤,因为车牌定位的结果会影响到整个系统的效能,常见的车牌辨识采用LBP特征、AdaBoost演算法和分层侦测器(cascade detector)的方法下去做车牌定位位置.而我们的方法不同地方在于使用SVM来辨识LBP特征本篇论文提出一种基于LBP(Local Binary Patterns)与SVM(Support Vector Machine)做车牌定位方法,首先采用LBP算子进行提取局部纹理特征,之后再透过SVM判断候选区域是否有车牌.

摘要： 近年来车牌识别技术作为智能交通系统的重要部分之一,主要是因为车辆数量不断上升再加上违法交通规则的人很多,为了要处罚违规的人,这时候就需要依靠车牌辨识.现在车牌识别主要应用在于高速公路、停车场车辆管理、违法车辆监控等等.在车牌识别过程一般可以分为车牌定位、车牌切割和字符识别三个部分.在车牌定位是从一个复杂环境中找到车牌大置上的位置,然后做为车牌识别过程第一步骤,因为车牌定位的结果会影响到整个系统的效能,常见的车牌辨识采用LBP特征、AdaBoost演算法和分层侦测器(cascade detector)的方法下去做车牌定位位置.而我们的方法不同地方在于使用SVM来辨识LBP特征本篇论文提出一种基于LBP(Local Binary Patterns)与SVM(Support Vector Machine)做车牌定位方法,首先采用LBP算子进行提取局部纹理特征,之后再透过SVM判断候选区域是否有车牌.

摘要： 本文依据牧草叶片的纹理特征对18种牧草进行分类识别.针对牧草纹理具有分区的特点,采用分区LBP提取其纹理特征,借鉴蚁群算法作为分类器进行识别分类.实现了对牧草叶片图像的分类.将采集的样本经过标准预处理之后形成样本数据库.识别结果表明,最高识别率达到90％,同时实验结果证明:分区LBP能够对牧草叶片图像有效编码,蚁群算法可以提高牧草叶片识别的准确率,为实际应用提供了新的思路.

摘要： 本文依据牧草叶片的纹理特征对18种牧草进行分类识别.针对牧草纹理具有分区的特点,采用分区LBP提取其纹理特征,借鉴蚁群算法作为分类器进行识别分类.实现了对牧草叶片图像的分类.将采集的样本经过标准预处理之后形成样本数据库.识别结果表明,最高识别率达到90％,同时实验结果证明:分区LBP能够对牧草叶片图像有效编码,蚁群算法可以提高牧草叶片识别的准确率,为实际应用提供了新的思路.

摘要： 本文依据牧草叶片的纹理特征对18种牧草进行分类识别.针对牧草纹理具有分区的特点,采用分区LBP提取其纹理特征,借鉴蚁群算法作为分类器进行识别分类.实现了对牧草叶片图像的分类.将采集的样本经过标准预处理之后形成样本数据库.识别结果表明,最高识别率达到90％,同时实验结果证明:分区LBP能够对牧草叶片图像有效编码,蚁群算法可以提高牧草叶片识别的准确率,为实际应用提供了新的思路.

摘要： 本文依据牧草叶片的纹理特征对18种牧草进行分类识别.针对牧草纹理具有分区的特点,采用分区LBP提取其纹理特征,借鉴蚁群算法作为分类器进行识别分类.实现了对牧草叶片图像的分类.将采集的样本经过标准预处理之后形成样本数据库.识别结果表明,最高识别率达到90％,同时实验结果证明:分区LBP能够对牧草叶片图像有效编码,蚁群算法可以提高牧草叶片识别的准确率,为实际应用提供了新的思路.

摘要： 本发明公开了一种基于局部二值模式的视频中人群运动模式识别定位方法，主要解决了现有技术中存在的缺少一种对人群密集地不同局部区域内人群的运动模式进行分析识别的定位方法，使得不能对人群密集地的突发事件进行及时处理，不能满足实际需求的问题。该基于局部二值模式的视频中人群运动模式识别定位方法，通过将局部二值模式和光流法相结合，采用从下往上的思路，逐级识别人群视频中各局部区域的运动模式，并确定其空间位置及相关信息。通过上述方案，本发明达到了有效地描述具有一致运动模式的场景和多种运动模式并存的场景，进而更加细致和完善地分辨和提取复杂场景中人群的运动特征目的，具有很高的实用价值和推广价值。

摘要： 本发明请求保护一种基于二维局部二值模式(二维LBP)的图像描述方法，涉及数字图像处理、机器视觉的技术领域。本发明首先对数据集中的图像进行预处理，使彩色图像变为灰度图像；采用旋转不变均匀局部二值模式方法(LBP

摘要： 本发明提出一种基于方向性局部二值模式的二值图像隐写分析方法，首先设置自适应阈值参数，在使用crmiLTP对二值图像进行扰动度量后，使用3×3像素点块模板对扰动得分图进行扫描，根据各像素点对应扰动得分数值大小及方向性得出局部二值模式值，然后利用各二值模式值出现频率提取特征，在特征提取时充分利用设置的阈值，对像素点所有扰动得分值之间的大小及方向关系进行遍历，最后选取最优检测效果对应阈值，能够使训练出的分类模型达到最佳的隐写分析准确率。在对使用不同隐写算法生成的隐秘图像进行隐写分析时可以设置不同阈值，从而使得在确保有效性的同时又有很强的针对性。

摘要： 本发明公开了一种基于局部二值模式的视频中人群运动模式识别定位方法，主要解决了现有技术中存在的缺少一种对人群密集地不同局部区域内人群的运动模式进行分析识别的定位方法，使得不能对人群密集地的突发事件进行及时处理，不能满足实际需求的问题。该基于局部二值模式的视频中人群运动模式识别定位方法，通过将局部二值模式和光流法相结合，采用从下往上的思路，逐级识别人群视频中各局部区域的运动模式，并确定其空间位置及相关信息。通过上述方案，本发明达到了有效地描述具有一致运动模式的场景和多种运动模式并存的场景，进而更加细致和完善地分辨和提取复杂场景中人群的运动特征目的，具有很高的实用价值和推广价值。

摘要： 本发明请求保护一种基于二维局部二值模式(二维LBP)的图像描述方法，涉及数字图像处理、机器视觉的技术领域。本发明首先对数据集中的图像进行预处理，使彩色图像变为灰度图像；采用旋转不变均匀局部二值模式方法(LBP

摘要： 本发明属于图像处理技术领域，具体涉及一种基于多方向局部二值模式的人脸识别方法。本发明提出的一种基于多方向局部二值模式的人脸识别方法具有更高的识别精度，同时识别精度不会受到分块方式的影响，识别精度更稳定，在实际应用中具有更高的实用性。本发明结合多方向局部二值模式，提取人脸图像局部区域纹理变化特征，使识别过程中提取到的人脸图像纹理更加清晰、丰富。本发明将在传统小波变换图像纹理分析方法的基础上，充分利用人脸图像中各向异性的规律，提出一种全新的原始人脸图像变换模式，采用一种多尺度几何分析工具剪切波变换，对原始人脸图像进行二维图像最优逼近，从而方便后续获取人脸图像中包含的各类信息及特征。

摘要： 基于机器人视觉的全局和局部二值模式图像裂缝分割方法，包括：对获取的原始图像的对比度进行增强，得到增强图；利用改进的局部二值模式检测算法对增强图进行处理，构建显著图；利用增强图和显著图进行裂缝分割，得到全局和局部二值模式裂缝自动分割方法；对得到的全局和局部二值模式裂缝自动分割方法进行性能评估，本申请利用对数变换增强裂缝图像的对比度，使得裂缝的暗部信息更加丰富，改进了旋转不变局部二值模式纹理特征，融合四方向的全局信息，引入了万有引力定律，以及灰度和圆度特征对裂缝分割结果进行修正，提高了分割精度，能够在光照不均和复杂纹理的背景中分割出裂缝区域，具有较好的鲁棒性，且满足在线检测要求。

摘要： 一种基于局部二值模式的图像盲去模糊算法涉及图像盲去模糊技术领域，解决了现有图像盲去模糊算法处理遥感图像模糊效果较差的问题。本发明基于清晰图像与模糊图像的‑局部二值模式的特点，使用局部二值模式提取出在去模糊过程中的重要像素点，并将使用L1范数进行累积；同时将这些重要像素点对应的梯度信息使用L0范数处理。其余像素的梯度则使用L2范数处理，使得本发明在锐化‑图像的主要边缘的同时模糊微小细节，提升图像像质，减轻图像伪影，估计更为准确的模糊核。本发明不仅在去除非遥感图像模糊的任务中表现优异，而且对于遥感图像模糊的处理结果优于现有算法，对日常生活及空间遥感成像像质的提升有着一定的工程意义。

摘要： 本发明涉及一种基于扩展局部二值模式的纺织丝饼成型不良缺陷检测方法，包括：获取丝饼图像，图像降采样；图像分割和图像裁剪；仿射变换；获取数据集；通过扩展的LBP算法计算出训练集中各个图像的纹理特征向量；生成XML文件；计算出测试集中各个图像的纹理特征向量，SVM支持向量机对测试集正样本、负样本中每张图像的标签进行预测，并计算出预测准确率；对待检测的丝饼图像进行滑块预测；根据滑块预测的标签输出判断结果。本发明通过图像分割将最终的背景干扰去除，使得处理后的图像不再含有大量的干扰，解决了从停留在实验室的研究与验证阶段到能够直接使用到工业生产线中，本发明对纺织丝饼成型不良缺陷检测准确率高、耗时短。

摘要： 本发明公开了基于多方向中心对称局部二值模式的虹膜纹理表征方法，针对现有设计的手工描述子难以实现对虹膜纹理点和面均衡表征的缺陷，本发明将局部邻域整体和中心以及邻域的对称表达相结合，设计了MDCS‑LBP算子表征虹膜纹理特征。首先对局部邻域整体计算加权灰度值，然后重新定义编码规则实现加权灰度值之间的编码获得该局部的虹膜特征，最后通过二值化对虹膜特征进行降维以提高后期识别速度。经实验验证，该方法能够快速有效的表征虹膜纹理特征，提高了虹膜识别性能，且对不同设备采集的虹膜数据库能够获得稳定的识别效果。