基于局部二值模式的紋理特征研究與應用.pdf

1、紋理特征是圖像的重要底層特征之一，本文對由表示圖像紋理特征的紋理譜方法演變而來的LBP算法進行研究，并將改進的算法應用于圖像的分類識別，目標追蹤和圖像分割當中。本文主要工作如下:
　　1、研究LBP模式分類方法中的等價模式和旋轉(zhuǎn)不變的等價模式，提出一種新的模式分類方式即按照0/1變換次數(shù)和二進制碼值中1的數(shù)目進行分類。通過圖像直方圖和常用紋理庫的對比試驗可以看出本文提出的模式分類方法具有較高的紋理識別能力。
　　2、用生物學

2、中的共生概念對圖像處理中的一些方法進行分析和解釋，然后按照共生概念對這些圖像處理方法進行分類。針對成對旋轉(zhuǎn)不變的局部二值模式算法(PRICoLBP)提取方法提取的紋理特征計算復雜度高、旋轉(zhuǎn)不變性較差、對較小的紋理結(jié)構(gòu)特征不敏感的缺陷，提出一種改進的PRICoLBP算法。首先，改進原有算法對共生點對的選取方式，使得改進算法在保持統(tǒng)計更高階紋理信息能力的同時，又增強了圖像對旋轉(zhuǎn)變化和光照條件變化的魯棒性。其次，該算法融合了灰度值大小關系特征

3、和灰度值差值幅值特征相比于原有算法只提取灰度值大小關系特征能夠提取更多的紋理特征信息，從而提高了算法對較小紋理結(jié)構(gòu)圖像的識別能力。此外，改進算法相比于原有算法的計算維度更小。在對Brodaz，Outex，CUReT和KTH TIPS圖像紋理庫的分類實驗中，改進算法的識別能力相對于原有算法分別提高了0.17％，0.24％，2.39％和2.04％。實驗結(jié)果表明，改進算法在處理較小紋理結(jié)構(gòu)的圖像時具有較好的識別效果。
　　針對局部二值模

4、式特征(Local Binary Pattern，LBP)對噪聲敏感、旋轉(zhuǎn)不變性較差的問題，提出一種基于共生的抗噪局部二值模式紋理分類算法。首先，對LBP模式進行重新分類，對等價模式和旋轉(zhuǎn)不變的等價模式進行擴展;其次，利用共生方法將原圖中表示視覺微觀紋理信息的LBP特征和降采樣后圖像中表示非視覺微觀紋理信息的LBC特征進行并聯(lián)，添加圖像的梯度幅值信息，得到一種具有旋轉(zhuǎn)穩(wěn)定性和抗噪性的紋理特征表示方法。最后，在不同紋理圖像庫中比較本文方法

5、和其他特征表示方法識別率的差別。實驗結(jié)果表明，本文方法具有較好的旋轉(zhuǎn)不變性和抗噪性。
　　3、針對追蹤過程中目標出現(xiàn)遮擋、目標的尺度發(fā)生變化時，STC算法容易丟失追蹤目標的問題，提出一種融合LBP紋理特征的時空上下文追蹤方法。首先，計算每一幀中包含目標區(qū)域的LBP紋理直方圖。其次，利用卡方統(tǒng)計計算第一幀的LBP紋理直方圖與當前幀圖像內(nèi)目標區(qū)域的LBP紋理直方圖的相似度、相鄰兩幀的目標區(qū)域的LBP紋理直方圖的相似度，當相似度大于設定