论文部分内容阅读
纹理作为一种重要的视觉底层特征,直接反应了物体表面的固有属性,在图像分析与理解领域占有重要地位。局部二值模式作为一种典型的局部纹理描述子,被广泛应用于机器视觉和模式识别的各个领域。但现有的LBP算法仍存在对光照多样性、纹理旋转变化较敏感,以及对含噪声纹理图像特征表述能力不足等问题。为此,本文从提升算法抗噪性以及增强算法对光照、旋转变化的鲁棒性方面对LBP算法进行了深入研究,主要研究内容如下:(一)针对成对旋转不变的共生局部二值模式(PRICoLBP)算法对图像光照、旋转变化鲁棒性较差,且特征维度过大的问题,提出了一种可融合多种局部纹理结构信息的有效特征——增强成对旋转不变的共生扩展局部二值模式。首先,对图像各像素点的邻域像素点灰度值进行二值量化得到二值编码序列,并不断旋转二值序列得到以不同邻域点作为编码起始点的LBP值;然后,分别利用极大、极小LBP值对应的邻域起始编码点和中心像素点确定两个方向矢量,并沿这两个方向矢量在两个不同尺度图像上选取上下文共生点;其次,利用扩展局部二值模式(ELBP)算法的旋转不变均匀描述子来提取上下文共生点对的中心像素灰度级、邻域像素灰度级及径向灰度差异特征间的相关性信息;最后,用上下文共生点对的特征直方图训练卡方核支持向量机,检测纹理图像类别。通过对Brodatz、Outex(TC10、TC12)、Outex(TC14)、CUReT、KTH-TIPS和UIUC纹理库的分类实验结果分析发现,改进算法的识别率比原始的PRICoLBP算法分别提高了0.32%、0.57%、5.62%、3.34%、2.1%、4.75%,实验结果表明,改进算法相比于原始算法能在较低的特征维度下对图像光照、旋转变化具有较好的鲁棒性。(二)针对局部二值模式对噪声敏感的问题,提出了一种多尺度共生的中值抗噪完整局部二值模式(MSCoMNRCLBP)。首先,根据二值序列中“1”的数目将序列中0/1变化次数为4、6和8的模式进行细分,提出了一种扩展的旋转不变均匀LBP特征归类模式;然后,将单一像素点灰度值替换为像素点所在矩形邻域斑块内的灰度中值,并利用CLBP算子提取不同尺度下的邻域像素间灰度差异符号、幅值及中心像素灰度信息;其次,利用多尺度共生策略提取不同尺度下的灰度差异符号、幅值特征分别与中心像素灰度特征间的相关性信息,并将各尺度下的共生特征级联起来描述图像纹理;最后,利用主成分分析对特征降维,并将降维后的特征送入支持向量机进行纹理分类。通过在各大标准纹理库上的有、无噪声分类实验,本文算法相较于各类LBP变体均取得了更高的分类精度。实验结果表明,本文MSCoMNRCLBP算法不仅比目前已提出的各类LBP抗噪算法具有更强的噪声抵抗能力,还图像光照、旋转及尺度变化具有较强的鲁棒性。