本文選題：特征提取 + 局部二值模式��； 參考：《計(jì)算機(jī)應(yīng)用》2016年12期

【摘要】：針對(duì)用于紋理特征提取的成對(duì)旋轉(zhuǎn)不變共生局部二值模式(PRICoLBP)算法計(jì)算特征維度大、旋轉(zhuǎn)不變性較差、對(duì)光照變化敏感的問題,提出一種融合局部紋理信息的改進(jìn)PRICoLBP算法。首先,分別最大化和最小化圖像像素點(diǎn)的二值序列,得到兩個(gè)鄰域像素點(diǎn)的坐標(biāo),由中心像素點(diǎn)坐標(biāo)和得到的鄰域像素點(diǎn)坐標(biāo)計(jì)算出共生點(diǎn)對(duì)的坐標(biāo);其次,利用完備二值模式(CLBP)算法提取圖像的每個(gè)像素點(diǎn)的紋理信息。在相同分類器下,對(duì)Brodatz、Outex(TC10,TC12)、Outex(TC14)、CURe T和KTH_TIPS數(shù)據(jù)庫的分類實(shí)驗(yàn)中,所提算法的識(shí)別率比PRICoLBP算法分別提高了0.17、0.24、2.65、2.39和2.04個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明,所提算法在處理紋理旋轉(zhuǎn)變化、光照條件多樣的圖像時(shí)具有較好的識(shí)別效果。
[Abstract]:Aiming at the problem that the pairwise rotation invariant local binary pattern (PRICoLBP) algorithm for texture feature extraction is characterized by large feature dimension, poor rotation invariance and sensitivity to illumination changes, an improved PRICoLBP algorithm is proposed to fuse local texture information. Firstly, the binary sequence of pixel points in the image is maximized and minimized respectively, and the coordinates of the two neighboring pixels are obtained, and the coordinates of the symbiotic points are calculated from the coordinates of the central pixel points and the resulting neighborhood pixels. The texture information of each pixel of the image is extracted by the complete binary mode CLBP algorithm. Under the same classifier, the recognition rate of the proposed algorithm is 0.17% 0.242.65% and 2.04% higher than that of the PRICoLBP algorithm in the classification experiment of Brodatz's outlier TC10 / TC12 / TC14 / ure T and KTH_TIPS database, respectively. The experimental results show that the proposed algorithm has a good recognition effect when dealing with images with varying texture rotation and various illumination conditions.
【作者單位】： 西南交通大學(xué)機(jī)械工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(5127543) 四川省科技支撐計(jì)劃項(xiàng)目(2015GZ0200)~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡哲元;余建國;張敏敏;金震東;;胰腺內(nèi)鏡超聲圖像紋理特征提取與分類研究[J];生物醫(yī)學(xué)工程學(xué)進(jìn)展;2008年03期

2 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國圖象圖形學(xué)報(bào);2009年04期

3 閆晶瑩;王成儒;;一種新的紋理特征提取算法[J];西安郵電學(xué)院學(xué)報(bào);2011年01期

4 劉文萍,吳立德;紋理特征提取及分割[J];計(jì)算機(jī)應(yīng)用與軟件;2001年11期

5 黃麗雯;龐柯;汪鑫;施幫利;王濤;炊萬年;;基于小波包分析的顱頜面紋理特征提取方法[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年11期

6 姚娜;呂海芳;陳杰;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的漢字紋理特征提取[J];塔里木大學(xué)學(xué)報(bào);2013年04期

7 鄭曉霞;李偉鍵;;基于紋理特征提取的圖像檢索技術(shù)[J];黑龍江工程學(xué)院學(xué)報(bào);2005年04期

8 陳再良;劉晴;鄒北驥;沈海瀾;周浩宇;;結(jié)合視覺注意和紋理特征提取感興趣區(qū)域算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年05期

9 肖鵬;徐軍;陳少?zèng)_;;紋理特征提取方法[J];電子科技;2010年06期

10 毛秉毅;;旋轉(zhuǎn)不變傅立葉紋理特征提取[J];計(jì)算機(jī)工程與應(yīng)用;2007年10期

相關(guān)會(huì)議論文 前3條

1 劉玉芳;劉定生;;利用紋理特征提取城市用地信息方法探索[A];中國地理學(xué)會(huì)2004年學(xué)術(shù)年會(huì)暨海峽兩岸地理學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

2 彭玲;趙忠明;;遙感圖像紋理特征提取的若干方法[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

3 曾文涵;楊練根;謝鐵邦;李柱;;彈頭發(fā)射痕跡紋理特征提取方法的研究[A];中國儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

相關(guān)博士學(xué)位論文 前2條

1 畢于慧;彩色航空?qǐng)D像森林紋理特征提取方法的研究[D];北京林業(yè)大學(xué);2007年

2 李朝榮;Copula驅(qū)動(dòng)的小波域紋理特征提取研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 肖敏敏;基于多維特征融合的地震剖面相似性研究[D];西安石油大學(xué);2015年

2 陳辰;基于相對(duì)相域頻繁項(xiàng)集的紋理特征提取方法及其在圖像分類中的應(yīng)用[D];蘭州大學(xué);2015年

3 李洪偉;基于高分辨率影像紋理特征提取日光溫室方法研究[D];蘭州大學(xué);2016年

4 黃媛媛;基于小波的紋理特征提取算法的研究[D];江蘇科技大學(xué);2012年

5 王龍;圖像紋理特征提取及分類研究[D];中國海洋大學(xué);2014年

6 章智儒;紋理特征提取算法及其在面向?qū)ο蠓诸惣夹g(shù)中的應(yīng)用研究[D];電子科技大學(xué);2009年

7 丁守鴻;基于分形分析的紋理特征提取[D];大連理工大學(xué);2011年

8 龐鵬飛;紋理特征提取與自動(dòng)分類算法研究[D];天津大學(xué);2012年

9 周璇;鋁土礦浮選精選泡沫顏色校正與紋理特征提取及其應(yīng)用[D];中南大學(xué);2013年

10 林霞;浮選泡沫圖像紋理特征提取研究及應(yīng)用[D];中南大學(xué);2013年

，

本文編號(hào)：1855072