局部二元模式

摘要： 对面部疼痛表情估计是疼痛评估中一条有效的途径,文中融合局部二元模式(LBP)分块加权和多尺度分区的特征提取方法用于面部疼痛表情识别.首先对预处理的图像在分块提取直方图后进行加权,然后采用多尺度分区直方图统计特征提取方法,串接不同尺寸分区块的直方图并级联分块加权的直方图为整个图像的特征向量,最后用主成分分析(PCA)的方法对特征向量进行降维后,输入支持向量机(SVM)进行分类识别,通过在自建的疼痛表情图像数据库进行实验,表明与传统的特征提取和融合前的特征提取方法相比,该方法能大大提高对疼痛表情的识别率,为目前对疼痛表情的识别与研究提供了一条有效的途径.

摘要： A modified frame of region-based convolutional neural networks was designed and used to realize facial expression recognition by combining active shape models with local binary pattern mapping.Active shape model was used to locate key points of face image, for correcting face posture and extracting regions of interest.Local binary pattern mapping was executed on corrected image, to reduce illumination interference.A modified frame of region-based convolutional neural networks was designed, to learn and train two input of local binary pattern image and regions of interest, and classifier was constructed and facial expression classification was realized.Experimental results of facial expression recognition show that, the proposed method has not only high recognition rate, and also higher efficiency.%设计一种改进的块卷积神经网络架构, 并结合主动形状模型和局部二元模式映射实现人脸表情识别.采用主动形状模型定位人脸关键点, 实现人脸姿态校正和感兴趣区域抽取;对校正后的图像进行局部二元模式映射, 降低光照干扰;设计改进的卷积神经网络架构, 对局部二元模式图像和感兴趣区域两个输入项进行学习和训练, 建立分类器并实现人脸表情分类.人脸表情识别实验结果表明, 该方法识别率高, 运算效率较高.

摘要： 针对局部二元模式及其改进模式在静脉特征提取时无法兼顾局部宏观结构和微观特征的问题,提出了一种新的基于局部宏观结构和微观特征融合的局部二元模式(LMMF-LBP),以更准确地表征静脉特征信息,并利用图像分块和加权模板设计了基于LMMF-LBP算子的手指静脉识别算法.研究结果表明:基于LMMF-WPLBP的静脉识别算法不仅能够提高识别性能,而且具有更好的鲁棒性.

摘要： 针对现有纹理特征对彩色图像鉴别能力不强的问题,提出了一种改进LBP特征的纹理相似度计算方法.该方法提出了极值模式、求和模式和编码模式三种特征融合模式,对彩色图像的H、S和V三个通道上获取的LBP特征进行融合,得到彩色图像的纹理描述特征.融合操作在邻域像素点LBP计算、中心像素点LBP计算、直方图特征提取三个阶段进行,提高特征鉴别能力.在VisTex纹理数据库上进行纹理相似度计算实验,结果表明该方法的错误接受率、错误拒绝率和等错误率明显低于其他方法.

摘要： 铁路扣件是固定轨道的连接件,扣件丢失或断裂直接影响铁路运输的安全.扣件运行环境复杂,采集的图像与背景差异性较小,难以自动识别.针对扣件图像自动化识别提出了一种新的图像局部二元模式编码算法.用高斯分布进行随机采样得到邻域点,利用随机点对的差分关系得到二元模式编码,称为高斯采样二元模式编码GSLBP(Gaussian sampling local bi-nary pattern).为了避免噪声影响,利用随机点邻域像素值之和代替随机点的值,通过比较像素值之和得到编码,最后利用卡方距离对图像进行分类.该算法更加准确的反映了图像局部纹理信息,图像差异化信息更加明显.在铁路扣件图像上进行了实验,比较了各种LBP编码方法与提出的方法的分类结果,结果表明提出的方法具有更好的分类结果.

摘要： 针对实际工况中难于提取齿轮箱故障特征的问题,根据轮廓波变换的全局纹理和局部二元模式的局部纹理特性,提出了一种基于振动信号时频图像的故障特征提取方法。首先,利用小波变换将振动信号变换到时频域并得到其时频灰度图像;然后,对该灰度图像进行轮廓波变换,得到低频和高频子带部分,提取低频子带的均值和标准差以及高频子带各层的能量均值作为一部分特征向量;同时,对该时频灰度图像进行局部二元模式的特征值提取并得到另一部分特征向量,将两部分特征向量进行组合连接得到最终的特征向量;最后,利用支持向量机对齿轮箱不同程度故障进行分类测试,实验结果表明了该方法的有效性,为机械设备的模式识别提供了一种方法。

摘要： A facial expression recognition method was proposed,which fused three types of features including active shape models (AAM),convolutional neural networks (CNN) and the local binary pattern (LBP),for distinguishing different facial expressions.Image preprocessing operations were executed to obtain normalized images of facial expression,AAM method was used to execute pose correction and face clipping.Two sets of global features including AAM and CNN on global image were extracted.LBP local features on six local image patches of face with AAM position were extracted.Global and local features were fused,and random forest method was used to execute feature classification.Experimental results on Cohn-Kanade dataset show that,the proposed method is an effective facial expression recognition method with high facial expression recognition rate.%提出一种人脸表情识别方法,融合主动形状模型(AAM)、卷积神经网络(CNN)和局部二元模式(LBP)3种特征区分不同表情.进行图像预处理操作,核心是采用AAM方法进行姿态校正与面部裁剪,得到规范化的表情图像,在全图上提取AAM和CNN两组全局特征,在AAM定位的6个人脸局部区域图像上提取LBP局部特征,融合全局特征和局部特征,采用随机森林方法进行特征分类.在Cohn-Kanade数据集上的实验结果表明,该方法的表情识别率高,是一种有效的表情识别方法.

摘要： In combination of the image texture feature extraction method,which is based on Haar local binary pattern (HLBP),a new target tracking algorithm was proposed,and applied to Meanshift tracking framework.Visual Studio 2010 and the opencv2.4.9 were the experimental platforms.We compared the results of the new algorithm with the results of other two kinds of algorithms,which are traditional Meanshift target tracking algorithm and the target tracking algorithm based on local binary pattern texture feature (LBP).Experimental results show that,in the case of simple or complicated background,the proposed tracking approach always shows steady and accurate tracking features,and in the event of partial occlusions,it can correctly track the target.%结合Haar型特性局部二元模式(HLBP)的图像纹理特征提取方法,提出一种新的目标跟踪算法,并将其运用到Meanshift框架中.将Visual Studi0 2010和opencv2.4.9作为实验平台,将所提算法的实验结果与传统Meanshift跟踪算法、基于局部二元模式(LBP)纹理特征的Meanshift跟踪算法进行对比分析.实验结果表明,所提算法在背景复杂或背景简单的情况下都表现出了稳健而准确的跟踪特性,且在部分遮挡的情况下仍可以正确地跟踪目标.

摘要： 传统LBP模式在提取图像的纹理特征时,没有对图像中的不同子块加以区分.一般情况下图像的不同子块包含的纹理信息不尽相同,不能真实地反映图像纹理的变化情况.为了解决传统LBP算法在人脸识别过程中产生的直方图维数过长、鉴别力不高、对噪声反应敏感等问题,提出一种基于对数能量熵与LBP特征提取的人脸识别方法.首先将一副人脸图像分成互不重叠的大小相等的子块,然后计算每个子块的LBP直方图,同时对每个子块计算对数能量熵值;其次把每个子块的LBP直方图特征与对数能量熵值组合成一个新的特征向量;最后,将每个图像块的特征向量连接成一个全局的特征向量,将该特征向量用作分类识别.基于YALE人脸库,ORL人脸库和FE-RET人脸库的实验结果与数据分析表明,文中提出的算法能够更加准确地提取图像的特征信息,有效地提高了人脸识别率.%Traditional LBP does not distinction different sub-block in the image when extracting texture features of the image.General speaking,different sub-block of the image contains different texture information,can not truly reflect the change of image texture.In order to solve the problems in the traditional LBP algorithm,such as histogram dimension is too long,the resolution is not high and sensitive response to noise,this paper puts forward a kind of feature extraction logarithmic based on log energy entropy and LBP for face recognition.In the proposed algorithm,it first divides a face image equal-sized non-overlapping sub-block,and then calculate the LBP histogram for each sub-block and computes log energy entropy;and then,each sub-block LBP histogram feature in combination with the log energy entropy become a new feature vector;finally,each feature vector of sub-block connects into a global feature vector,the feature vectors are used for classification.The experiments are done on YALE face database,ORL face database and FERET face experimental results and database analysis show that the proposed algorithm can extract more accurate feature information of image with higher recognition rate.

摘要： 人脸检测作为机器视觉研究的重要内容,在视频监控、安防等领域具有广泛的用途,是人脸识别技术的必备条件.针对复杂背景、光照不均匀等外部条件对人脸检测的影响,提出了基于局部二元模式(LBP)和支持向量机(SVM)的人脸检测算法.其中LBP是一种用来描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点,其最主要的属性是对光照变化造成的灰度变化具有很好的鲁棒性.该算法使用LBP提取图像的特征值,并对提取到的LBP特征值使用SVM算法构建的分类器进行分类.实验结果表明,基于LBP和SVM的人脸检测算法具有很好的检测效果,不仅较好地解决了光照和复杂背景等外部条件对人脸检测的影响,而且明显提高了人脸检测的准确率,准确率可达到94％以上.%As an important content of machine vision research, face detection is widely used in video surveillance, security and other fields,which is a prerequisite for face recognition technology. A face detection algorithm based on Local Binary Pattern ( LBP) and Sup-port Vector Machine ( SVM) is proposed to deal with the effects of complex background and illumination heterogeneity on face detec-tion. LBP is a kind of operator which is used to describe the local texture features of images with the advantages of rotation invariance and gray-scale invariance and its main property is that it is robust to the change of gray-scale. The algorithm uses LBP to extract the eigen-values of the image which is classified by the classifier built by SVM algorithm. Experimental results show that it has a good detection effect,not only solving the impact of illumination and complex background and other external conditions on the face detection,and signif-icantly improving the accuracy of face detection. The accuracy rate can reach more than 94％.

摘要： 在分析Gabor小波和局部二元模式算子特性基础上,本文利用局部二元模式算子对提取的Gabor特征进行编码,得到人脸表情的局部Gabor二值模式.针对局部Gabor二值算法复杂度较高,文中采用局部保全投影算法将它降维到其空间,大大减少了运算时间.CMU表情库中实验结果表明：在采用欧式距离进行度量、K邻分类器进行识别的条件下,本文算法的人脸表情识别率较其他算法有了明显提高,识别速度相当.

摘要： 本文提出了一种基于局部二元模式的人脸识别系统设计方案.采用高斯差分滤波方法以及改进的局部二元模式度量方法,实现实时的人脸检测与识别.在Yale人脸库上的实验结果表明该方法优于其他方法.

摘要： 提出一种基于局部二元模式(LBP)算子改进的纹理分割方法。本方法的基本过程是：利用改进的LBP算子提取遥感影像多窗口、多方向的纹理特征并进行特征的平滑;然后利用均值偏移算法实现纹理特征的空间聚类，确保了纹理在二维空间的一致性;最后利用区域增长尺度空间迭代融合的方式进行分割后处理得到提取结果。实验结果证明了方法的有效准确，并显示该方法适合在纹理占优的高分辨率遥感图象上纹理信息的区分的。

摘要： 本文提出了一种鲁棒、高效的运动目标检测新方法,可用于光照变化、阴影等复杂背景环境下.本文主要贡献有以下三点:首先,引入局部二元模式作为纹理分类特征,解决了光照变化对目标检测的影响问题；其次,使用HSI彩色空间代替传统RGB空间,消除了阴影的干扰；最后,采用Choquet积分模糊测度方法,提高了检测的准确率.实验结果验证了该算法的鲁棒性和高效性.

摘要： 人脸识别一直是模式识别领域中的一个较为活跃的方向,近年来取得了重要的进展,基于多张图片的人脸识别已经有比较满意的效果,但基于单张图片的人脸识别性能仍然较差。因此,本文在总结前人的基础上提出了一种新的基于单张图片的人脸识别算法。算法分为三个步骤：首先对灰度图像求取水平和垂直边缘图,然后分别在两个边缘图上提取局部二元模式(LBP)直方图,最后采用弹性匹配方法进行分类。在标准图像库上的实验结果表明本文算法性能优于传统的算法,能够获得更高的识别率,且具有不敏感于姿态、光照、表情等变化的优点。

摘要： 本发明属于化肥生产技术领域，提供了一种硫磷二铵二元复合肥料及利用磷铵副产物生产硫磷二铵二元复合肥料的方法。该复合肥料的原料包括磷铵副产物、硫酸、液氨、尿素、磷铵和膨润土；该复合肥料有利于作物对该复合肥料的吸收，并能够广泛施用于农田作物。该利用磷铵副产物生产硫磷二铵二元复合肥料的方法包括：将磷铵副产物与硫酸混合形成浆料进行反应；向浆料中加入液氨中和浆料；向浆料中加入尿素、磷铵和膨润土后再进行造粒成物料；对物料依次进行烘干、冷却和筛分；该方法能够对磷铵副产物进行综合利用，变废为宝，并可生产出高效的硫磷二铵二元复合肥料。

摘要： 本发明提供一种针对复杂的问题也能够高性能地提取二元关系的装置。解答－特性对提取部(12)从保存着包含在文本数据中出现的二元关系中赋予了表示其是应提取的内容的解答的事例的教师数据的教师数据存储部(11)中提取事例的特性，生成特性的集合和解答的组。机器学习部(13)利用预定的机器学习方法，对该组在何种特性集合的情况下会形成何种解答这一问题进行机器学习，并将学习结果信息保存到学习结果存储部(14)。候选提取部(15)从文本数据(2)中提取二元关系的候选，特性提取部(16)提取二元关系的候选的特性的集合。解答推断部(17)基于学习结果信息推断在二元关系的候选的特性集合的情况下容易形成解答的程度，二元关系提取部(18)根据推断结果提取正的解答的推断程度良好的二元关系的候选。

摘要： 本发明属于催化剂的制备术领域，涉及一种二元羧酸酯加氢制二元醇催化剂的处理方法、二元羧酸酯加氢制二元醇催化剂及其应用。本发明的二元羧酸酯加氢制二元醇催化剂的处理方法中，催化剂主要由活性主体、助催化剂和载体组成，该方法包括以下步骤：将待处理的催化剂依次进行碱洗、醇洗和水洗，然后进行分离、干燥和焙烧，得到处理后的二元羧酸酯加氢制二元醇催化剂。本发明工艺简单，易于实施，处理后的催化剂活性高、稳定性好、产物选择性好，在反应过程中稳定性好，可以获得二元羧酸酯的高转化率以及二元醇的高选择性。

摘要： 本发明提供了一种二元酸胺盐的制备方法、二元酸胺盐溶液、二元酸胺盐和聚合得到的聚合物。所述二元酸胺盐的制备方法包括：将含有1，5‑戊二胺盐的混合物和含有二元酸盐的混合物分别通入所述电渗析装置的淡化室，两个淡化室间隔排列，从连通所述电渗析装置的浓缩室的部分浓缩管中得到纯化的二元酸胺盐溶液。本发明直接针对含有多种杂质、体系复杂的、含有1.5‑戊二胺盐的混合物和含有二元酸盐的混合物，通过电渗析处理，能够有效降低产品二元酸胺盐中杂质含量和色度。电渗析后的无机酸盐可以套用到下一次发酵过程，原子利用率高。本发明有效解决了现有技术中聚合级二元酸和聚合级胺单体的制备、提纯过程复杂，成本高、收率低的问题。

摘要： 二元信息信号的数据比特流被分成n比特信息字。根据信道编码C

摘要： 一种从二元酸酯中分离丁二元酸二甲酯和戊二酸二甲酯的方法及其专用装置，该方法按下述流程进行：第一步将二元酸酯原料经过丁二酸二甲酯蒸馏塔即第一塔分离出丁二酸二甲酯产品、第二步将上述第一步骤中分离出的重组分经过戊二酸二甲酯预蒸馏塔即第二塔分离出新二元酸酯产品、第三步将上述第二步骤中分离出的轻重组分经过戊二酸二甲酯蒸馏塔即第三塔分离出戊二酸二甲酯产品。本发明方法易操作、装置简单，所分离出的产品丁二元酸二甲酯和戊二酸二甲酯的平均纯度为99%至99.9%（w%），平均回收率为90%至95%（w%），在提取上述两单酯后，剩余部分仍然可作为二元酸酯出售，从而实现了零排放、零污染。

摘要： 本发明公开一种奇、偶分组的局部二元模式的人脸表情识别方法，包括训练和识别阶段；训练阶段的方法为，将所有训练样本的每张人脸图像进行均匀地、无交叠分块处理，对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，把每个子块的特征直方图合为整体构成训练样本集的特征集合；识别阶段的方法是：对待测样本的每张人脸图像进行均匀地、无交叠分块处理，对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，把每个子块的特征直方图合为整体作为待测特征，预测待测样本所属的类别。本发明对图像的噪声具有较强的鲁棒性，可增加LBP算子的鲁棒性，提高人脸表情识别的识别率，大大减少识别所需时间。

摘要： 本发明涉及一种滤波器设计方法，尤其是一种增强类局部二元模式特征人脸识别性能的滤波器设计方法，属于图像处理与模式识别的技术领域。按照本发明提供的技术方案，一种增强类局部二元模式特征人脸识别性能的滤波器设计方法，所述滤波器设计方法包括如下步骤：a、输入多个训练样本图像，并提取所述输入训练样本图像的像素差分向量；b、根据上述差分向量，计算得到训练样本图像的类内协方差矩阵S

摘要： 本发明公开一种奇、偶分组的局部二元模式的人脸表情识别方法，包括训练和识别阶段；训练阶段的方法为，将所有训练样本的每张人脸图像进行均匀地、无交叠分块处理，对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，把每个子块的特征直方图合为整体构成训练样本集的特征集合；识别阶段的方法是：对待测样本的每张人脸图像进行均匀地、无交叠分块处理，对每个子块提取奇、偶分组的局部二元模式后转换成Uniform模式，形成特征直方图，把每个子块的特征直方图合为整体作为待测特征，预测待测样本所属的类别。本发明对图像的噪声具有较强的鲁棒性，可增加LBP算子的鲁棒性，提高人脸表情识别的识别率，大大减少识别所需时间。

摘要： 本发明涉及一种滤波器设计方法，尤其是一种增强类局部二元模式特征人脸识别性能的滤波器设计方法，属于图像处理与模式识别的技术领域。按照本发明提供的技术方案，一种增强类局部二元模式特征人脸识别性能的滤波器设计方法，所述滤波器设计方法包括如下步骤：a、输入多个训练样本图像，并提取所述输入训练样本图像的像素差分向量；b、根据上述差分向量，计算得到训练样本图像的类内协方差矩阵S