导读:本文包含了二值特征论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,局部二值模式,图像梯度,图像鉴别算法
二值特征论文文献综述
袁哲,孙延君,陈亮[1]（2019）在《基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法》一文中研究指出针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题,提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法.该算法主要基于图像的局部纹理特征,先提取计算机生成图像和自然图像的特征向量,再将该特征利用SVM分类器进行分类.实验结果表明,该算法可有效地鉴别计算机生成图像和真实图像.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
王军敏,李宁,王艳辉[2]（2019）在《基于Gabor特征和局部二值模式融合的纹理图像识别》一文中研究指出传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显着超越了传统Gabor滤波方法和LBP算法的纹理识别精度.(本文来源于《平顶山学院学报》期刊2019年05期）
李松,蔡航,于蒙[3]（2019）在《基于自适应局部二值模式的纹理特征提取方法》一文中研究指出局部二值模式(local binary pattern, LBP)是一种简单有效的纹理特征描述符,但是存在对噪声缺乏鲁棒性以及编码过程中信息缺失的问题。针对该问题提出基于自适应阈值的带方向的完整局部二值模式(adaptation threshold complete local binary pattern with direction,DAT-CLBP)。提出一种自适应阈值选取方法和判别条件,通过判别条件,从自适应邻域像素中值和中心像素值中选取一种作为LBP编码时的阈值;计算邻域像素和阈值的差分的幅值,并以幅值最小点为起点,从小到大地计算局部邻域的二值模式。在通用纹理库上运行算法,统计两种阈值的发生率,证明了采取自适应阈值的必要性。以纹理库上添加了不同程度的椒盐噪声的纹理图像为样本实验,结果表明算法能更好地描述纹理,同时也对椒盐噪声具有鲁棒性。(本文来源于《计算机应用与软件》期刊2019年09期）
王爱丽,陈雨时,赵妍[4]（2019）在《HOG结合傅立叶局部二值模式特征的行人检测》一文中研究指出针对局部二值模式(Local binary patterns,LBP)和梯度方向直方图(Histogram of Gradients,HOG)的联合特征,在行人检测中易受行人肢体偏转影响的问题,本文将傅立叶局部二值模式算子(Local binary patterns-HF,LBPHF)与HOG算子联合对行人进行特征描述。在每个滑动窗口中,分别计算HOG特征与LBPHF特征,将两者结合,构成联合特征。利用线性支持向量机训练分类器,通过自举法不断更新优化分类器,获得最优判别模型。将提取所得的联合特征输入分类器中进行判别,采用非极大值抑制的融合方法对重迭检测窗口进行融合。实验结果表明,LBPHF算子与HOG相结合的方法检出率高,计算复杂度低,抗行人肢体偏转干扰能力强。(本文来源于《黑龙江大学自然科学学报》期刊2019年04期）
王翠翠,高涛,陈本豪,卢玮,邵倩[5]（2019）在《基于各向异性韦伯二值模式的局部特征提取算法》一文中研究指出复杂光照场景下图像局部特征提取一直是图像处理的研究热点,针对韦伯局部描述符(WLD)简单的量化方法以及方向特征提取不足,提出了一种新的图像局部特征描述符,称为各向异性韦伯二值模式(AWLBP)。该算法中WLD算子中的差分激励分量由引入尺度参量和角度参量后改进的各向异性LOG算子来代替,方向梯度分量由局部二值模式(LBP)来代替,将二者融合生成二维AWLBP直方图,然后转化为一维直方图,最后使用KNN分类器进行分类。算法在CMUPIE人脸数据库和Pho Tex纹理图像库的大量的实验中验证了其有效性和准确性。实验结果表明,提出的图像特征提取算法在复杂光照的场景下具有很高的有效性和鲁棒性。(本文来源于《科学技术与工程》期刊2019年21期）
樊红卫,丁骁,高烁琪,邵偲洁,杨一晴[6]（2019）在《基于反相灰度图二值化修正的铁谱图像磨粒特征提取》一文中研究指出为准确获取铁谱图像中磨粒几何形状和特征参数,提出一种图像处理算法并对其进行验证。针对铁谱图像底色特征及磨粒特征提取精度要求,提出基于反相操作的铁谱图像灰度图转化方案,得到边缘清晰的铁谱灰度图;提出一种叁段式阈值分割方案,利用腐蚀和膨胀操作解决二值化对铁谱图像有效磨粒区域的影响,讨论油污等干扰因素的消除策略;确定磨粒特征参数及磨粒识别方案,完成标准的正常滑动磨损图像处理和某实际的齿轮箱磨粒铁谱图像处理验证。结果表明:所提出的算法能够准确提取铁谱图像中磨粒所在区域的几何特征,通过磨粒标定计算得到了8个特征参数值,证明齿轮箱正处于滑动磨损状态。(本文来源于《润滑与密封》期刊2019年06期）
罗林[7]（2019）在《基于局部二值模式的鲁棒纹理特征提取方法研究》一文中研究指出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,提出了叁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,所提出的叁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。(本文来源于《重庆邮电大学》期刊2019-06-02）
辛亮亮[8]（2019）在《基于局部二值模式的图像特征描述方法研究》一文中研究指出提取有效的特征是数字图像处理和计算机视觉的关键问题。近年来,以局部二值模式(Local Binary Pattern,LBP)为代表的特征提取方法被广泛应用到纹理分类、场景分类、人脸识别、图像检索和行人检测等领域。然而,现有LBP方法在提取图像特征时存在对灰度反转变化敏感、对彩色图像特征描述力弱等问题。为解决这些问题,本文开展了以下研究工作:1.针对现有LBP方法对灰度反转变化敏感的问题,提出一种基于排序局部梯度模式(Sorted Local Gradient Pattern,SLGP)的特征提取方法。首先,提出两种具有互补性的局部梯度模式(Local Gradient Pattern,LGP),二者编码了局部邻域内丰富的梯度信息。然后,提出主导强度序测度(Dominant Intensity Order Measure,DIOM),将像素划分为两个类别,并在分类的像素上分别提取LGP直方图特征。SLGP将局部梯度信息和全局灰度序信息都编码到图像描述符中,从而提高了纹理图像在灰度反转变化下的分类精度。2.针对现有LBP方法对灰度反转变化敏感的问题,提出两种基于补数编码的特征提取方法:完整的局部补数-梯度模式(Completed Local Complement and Gradient Pattern,CLCGP)与局部补数-导数模式(Local Complement and Derivative Pattern,LCDP)。CLCGP利用一种旋转不变局部补数模式(Local Complement Pattern,LCP)编码了SLGP所缺失的近邻差分符号信息,最终形成的描述符是近邻差分符号、近邻差分幅值与中心像素强度信息的3-D联合直方图。LCDP则在LCP的基础上进一步引入局部导数模式(Local Derivative Pattern,LDP),用以编码不同尺度下(一阶和二阶)高斯导数空间中的近邻差分幅值信息。为同时考虑差分符号和差分幅值信息,进一步提出了基于均值采样的联合编码方案。最后,对联合编码结果进行多尺度的直方图表达,得到LCDP描述符。实验表明,CLCGP和LCDP能够有效提高LBP方法在线性和非线性灰度反转条件下的纹理分类精度。3.针对现有LBP方法对彩色图像特征描述力不足的问题,提出一种基于扩展四元数局部二值模式(Quaternionic Extended LBP,QxLBP)与自适应结构金字塔池化(Adaptive Structural Pyramid Pooling,ASPP)的特征提取方法。首先,提出一种扩展的四元数表示(Extended Quaternionic Representation,EQR)。EQR通过引入额外的信息项作为四元数的实部,能够灵活地编码一些判别特征和处理多通道的图像。然后,基于LBP算子设计了一种QxLBP描述符,该描述符编码了彩色图像四元数域中的局部邻域信息、互补的模与相位信息。最后,提出一种多分辨率的自适应结构金字塔池化(ASPP)方法。与传统的空间金字塔池化(Spatial Pyramid Pooling,SPP)不同,ASPP是面向结构的特征聚合方法,对图像旋转和空间变化不敏感,可以根据图像的多分辨率特征自适应地聚合编码特征。对彩色图像进行纹理分类和场景分类,实验表明该方法提高了现有LBP方法对彩色图像的描述能力。(本文来源于《重庆邮电大学》期刊2019-06-02）
白雪[9]（2019）在《图像二值特征提取》一文中研究指出为了在海量的视觉信息中快速筛选出所需的内容,近些年来大规模图像检索成为计算机视觉领域的一个重要研究方向。哈希方法作为近似临近搜索的重要技术之一,以其“低存储、高速度”的巨大优势从各种特征中脱颖而出,受到了广泛的关注。哈希方法可以将视觉信息从高维空间映射到低维二值空间,其基本要求是保留映射前后数据的相对关系。然而获取标签的成本很高,也很难直接从无标签数据中获取到有效的信息。因此,为了更好的挖掘数据的潜在结构,本文提出一种无监督深度哈希特征提取算法。本文的主要创新点是两种损失函数的构建,一是无监督聚类损失,通过对样本空间密度的分析,假定一部分样本为“伪类中心”,之后不断更新类中心的同时缩小类中心的规模,合并相近子类;第二种是排序损失,它对批次内的样本进行相似度排序,用特征的相似度排序列表去拟合原始图片的相似度排序列表,站在更高的维度上尝试直接优化最后的目标。本文在CIFAR-10,MNIST和Brown叁个经典数据集上评估本文提出的方法并与已有方法进行比较,发现与传统方法和端到端的无监督深度哈希方法相比本文方法均能取得相当不错的结果,说明本文提出的方法有效的实现了保留数据结构信息的预期目标。(本文来源于《北京邮电大学》期刊2019-05-29）
刘海英[10]（2019）在《基于二值局部特征的手指静脉识别方法研究》一文中研究指出手指静脉识别是一种利用手指掌侧浅静脉图像进行身份识别的技术,近年来得到广泛的关注和研究。由于手指静脉图像靠近红外光进行成像,成像时会受光照不均、皮肤组织散射、手指骨遮挡、手指的平移和旋转等因素的影响,采集的手指静脉图像质量比较差,所以,利用手指静脉图像进行身份识别,仍存在大量的问题需要解决。一般来说,手指静脉识别包括图像采集、图像恢复、图像增强、感兴趣区域提取、特征提取、图像表示和匹配等技术。其中,特征提取和图像表示对手指静脉识别非常重要。基于手工设计的局部二值特征提取方法(如LBP、LLBP、PLLBP等),具有简单、高效、对光照变化不敏感和对局部噪声鲁棒等优点,所以近年来得到了广泛研究,并成功应用在手指静脉识别任务上。但这类方法存在如下缺点:(1)设计特征需要领域知识。(2)特征捕获信息范围受限。因为提取一个局部特征采样的范围越大,该局部特征所捕获的信息就越多,但编码的维数就会太高,所需的存储和计算开销就会增大。(3)缺乏数据适应性,即特征提取过程不依靠整个训练数据。每个像素的局部二值特征提取是独立进行的,而不是靠训练数据进行学习得到的。(4)对成像时手指的旋转和平移敏感。针对手工设计的局部二值特征对成像时手指的旋转和平移不鲁棒,词袋模型被引入手指静脉识别领域,它能有效的组织从图像中抽取的局部二值特征,并在手指静脉识别任务上取得了较好的效果。但手工设计的二值特征的缺点也被继承下来。近年来,为了克服手工设计特征的缺点,基于学习的局部特征提取方法在其它图像识别领域中被提出,并取得了较好的识别效果。然而,现有的基于学习的局部二值特征提取方法忽视了训练图像的类别信息和训练数据的流形结构。另外,很少有算法期望学到的二值特征每类具有一定的结构。本文主要针对上述问题,对基于局部二值特征的手指静脉识别技术开展了深入研究,主要的工作和贡献如下:(1)研究了一种基于定制的LLBP手指静脉识别方法。针对PLLBP特征各个方向上的分量对不同类的区分性不同,提出一种用PLLBP的不同方向分量对不同类进行身份识别的方法。通过训练,找出各个类最有区分性的几个PLLBP的方向分量。在测试时,用训练阶段找出的模板所属的类的最具区分性的方向分量计算测试图像的匹配得分。这样,不仅减少模板的存储开销,并且加快匹配速度,同时,提高了验证效果。(2)提出一种基于监督学习局部二值特征的手指静脉识别方法。现有的基于学习的局部二值特征提取方法大都没有利用图像的类别信息,提取的特征区分性弱。针对这一问题,本文提出了基于学习的利用类别信息的手指静脉二值特征提取方法,并用于手指静脉识别任务上。(3)提出了一种基于监督学习的个性化手指静脉二值特征提取方法。受LBP特征位一致性现象(同一类的LBP特征的某些位取值是相同的,即同时为0或者同时为1,而且,不同类的一致位的位置的组合是不相同的。)的启发,利用L2.1范数正则使属于每类的二值特征具有行稀疏特性,同时利用线性判别准则保证属于不同类的特征的行稀疏位置的组合不同。这样,学到的局部二值特征不仅区分性强,而且具有类结构(每类局部二值特征具有一定的结构,而且,不同类的结构不同)。这样,用所学的局部二值特征作为词袋模型的基特征,把手指静脉图像进行直方图表示,所获得的直方图表示也具有很强的区分性。本文在两个公开的手指静脉数据库上进行了实验,实验验证了所提出方法的有效性。(4)提出了一种基于锚点非对称图流形学习二值特征的手指静脉识别算法。流形学习已经成功的应用在很多机器学习任务上,如降维、哈希和聚类等,而现有基于学习的局部二值特征提取算法很少利用原始数据的流形结构。这是因为局部特征学习所用的训练数据数量庞大,为这样庞大数据构建相似矩阵是一个运算和存储开销都比较大的操作。针对此问题,提出了构建锚点非对称图来近似相似矩阵的方法。这种方法在进行局部二值特征学习的过程中不仅有效的利用了训练数据的流形结构,还减少了存储和运算开销,在手指静脉识别任务上取得了比较好的效果。另外,考虑到基于监督学习的局部特征与基于非监督学习的局部特征之间存在差异,而且这两种特征可以进行互补,提出了一种基于图像表示级融合的手指静脉识别方法,并在两个公开的手指静脉数据库上取得了较好的识别性能。(本文来源于《山东大学》期刊2019-05-20）
二值特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显着超越了传统Gabor滤波方法和LBP算法的纹理识别精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
二值特征论文参考文献
[1].袁哲,孙延君,陈亮.基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J].吉林大学学报(理学版).2019
[2].王军敏,李宁,王艳辉.基于Gabor特征和局部二值模式融合的纹理图像识别[J].平顶山学院学报.2019
[3].李松,蔡航,于蒙.基于自适应局部二值模式的纹理特征提取方法[J].计算机应用与软件.2019
[4].王爱丽,陈雨时,赵妍.HOG结合傅立叶局部二值模式特征的行人检测[J].黑龙江大学自然科学学报.2019
[5].王翠翠,高涛,陈本豪,卢玮,邵倩.基于各向异性韦伯二值模式的局部特征提取算法[J].科学技术与工程.2019
[6].樊红卫,丁骁,高烁琪,邵偲洁,杨一晴.基于反相灰度图二值化修正的铁谱图像磨粒特征提取[J].润滑与密封.2019
[7].罗林.基于局部二值模式的鲁棒纹理特征提取方法研究[D].重庆邮电大学.2019
[8].辛亮亮.基于局部二值模式的图像特征描述方法研究[D].重庆邮电大学.2019
[9].白雪.图像二值特征提取[D].北京邮电大学.2019
[10].刘海英.基于二值局部特征的手指静脉识别方法研究[D].山东大学.2019