纹理广泛存在于自然界中,是人类感知不同物体的重要视觉线索。提取有效的纹理特征是图像处理、计算机视觉和模式识别的基本任务之一。局部二值模式(Local Binary Pattern,LBP)作为一种经典的局部特征提取方法,具有理论简单、计算复杂度低和良好的灰度尺度不变性等优点,被广泛应用于纹理分类、人脸识别等领域。但是,现有LBP方法存在对噪声干扰、光照和尺度等变化鲁棒性差、分类性能不理想的问题。因此,论文以提高特征的鉴别力、增强特征的鲁棒性为目标对LBP进行研究,开展了如下工作:1.针对现有LBP方法无法捕获近邻像素之间的相互关系以及缺乏非局部像素之间特征描述的问题,提出了一种基于局部与非局部模式的特征提取方法。该方法首先利用基于主导方向的局部分组序模式(Local Grouped Order Pattern,LGOP)编码近邻像素灰度序关系。然后通过非局部二值模式(Non-Local Binary Pattern,NLBP)编码近邻像素与若干个锚点(基于全局图像统计的)之间的灰度差分。最后通过联合中心像素编码形成纹理特征表达。实验结果表明,该方法能够有效地提高各种成像条件下的纹理分类性能。2.针对现有LBP方法所提取的特征鉴别力弱和鲁棒性差的问题,提出了三种基于图像分解的局部二值编码纹理特征提取方法:(1)多尺度扇形LBP(Multi-Scale Sectored Local Binary Pattern,MSLBP)通过金字塔分解和阈值化处理技术获得多个分解级别的低频、正高频和负高频图像。然后,基于局部均值操作的扇形LBP(Sectored Local Binary Pattern,SLBP)计算分解图像的特征码。最后,通过跨频带的联合编码和跨级别的直方图加权获得纹理特征。(2)增强型MSLBP(Enhanced Multi-Scale Sectored Local Binary Pattern,EMSLBP)利用金字塔分解和极性分离操作获取多尺度的分解图像,并对分解图像进行SLBP编码。最后利用跨频带的中心像素联合编码来构建多尺度的直方图表达。(3)跨尺度、跨频带、跨图像域的LBP特征编码(Local Binary Pattern Coding Across Scales,Frequency Bands and Image Domains,CSFD-LBP)利用高斯滤波和图像相减获得多尺度的低频和高频图像。同时,利用高斯导数滤波获得多尺度的梯度域图像。然后,计算低频、高频和梯度域图像的LBP码。最后,利用跨尺度、跨频带、跨图像域的联合编码构建直方图特征表达。实验结果表明,所提出的三种方法在无噪声和高斯噪声条件下均实现了较好的分类性能。
暂无评论