局部二值模式（local binary pattern,LBP）作為一種圖像紋理特征描述符,可以簡單、有效、快速地提取圖像的紋理特征。為提高LBP算法的抗噪聲干擾的能力與魯棒性,學(xué)者們提出了很多改進算法。局部三值模式（local ternary pattern,LTP）作為LBP編碼算法的一種改進算法引入?t閾值對圖像進行編碼,有效提升了二值算法對光照變化和噪聲干擾的魯棒性�？乖肼暰植慷的Ｊ剑╪oise-resistant local binary pattern,NRLBP）通過引入模糊性對LBP編碼中的非均勻模式進行糾錯。但是以上兩種改進LBP算法閾值為定值,缺乏自適應(yīng)性。本文從提高現(xiàn)有LBP編碼算法分類識別精度和抗噪聲能力方面進行了深入研究,主要研究內(nèi)容如下:（一）針對LTP的閾值為定值,極大地增加了對噪聲的敏感,且不能實現(xiàn)紋理特征提取的自適應(yīng)性,提出了一種多尺度自適應(yīng)閾值的局部三值模式算法（multi-scale adaptive local ternary pattern,MSALTP）。首先對圖像進行多尺度變換,將每個尺度的圖像分為若干個區(qū)域,計算每個區(qū)域像素的均值;然后... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

LBP方法及其改進原始LBP算法最初由Ojala等人[19]

西南交通大學(xué)碩士研究生學(xué)位論文 第 7改進 LBP 模式的發(fā)展，然后介紹了支持向量機的分類原理，最后簡單敘述了本文到的各標(biāo)準(zhǔn)數(shù)據(jù)庫紋理特征。第 3 章：多尺度自適應(yīng)閾值局部三值模式。首先介紹了圖像原始 LTP 特征的算理，然后介紹了正態(tài)分布與標(biāo)準(zhǔn)偏差以及將圖像進行多尺度分析的優(yōu)勢，其次根上原理提出 MSALTP，最后在標(biāo)準(zhǔn)數(shù)據(jù)紋理庫和鐵路扣件庫上進行分類實驗驗證算法的有效性。第 4 章：多尺度自適應(yīng)閾值增強抗噪聲局部二值模式。首先介紹了 NRLBP 以LBP 特征的算法原理，然后介紹了正態(tài)分布與標(biāo)準(zhǔn)偏差以及將圖像進行多尺度分析勢，其次根據(jù)以上原理提出 MSAENRLBP 編碼算法，最后在標(biāo)準(zhǔn)數(shù)據(jù)紋理庫和鐵件庫上進行分類實驗驗證該算法的有效性。第 5 章：總結(jié)與展望。總結(jié)了本論文的主要研究內(nèi)容以及展望今后本課題可繼究的一些內(nèi)容和方向。

P 算法最早由芬蘭 Oulu 大學(xué)提出[19]。具有原理簡單、計算復(fù)雜度低，進行紋理分類的優(yōu)勢。原始 LBP 算法最初由 Ojala 等人[19]通過計算特心像素的灰度值與其鄰域之間的差值的大小關(guān)系，并然后通過統(tǒng)計這描述給定圖像的紋理。本章介紹了傳統(tǒng) LBP 編碼算法的發(fā)展以及本文實驗的數(shù)據(jù)的基本介紹。P 介紹二值模式(LBP)通過比較圖像上任意一像素點與其周圍鄰域像素點的系來編碼紋理結(jié)構(gòu)信息。原始 LBP 定義在 3 3的方形窗格內(nèi)，將窗格閾值，周圍的 8 個鄰域像素與其作比較進行二值量化。二值模式只有，如果中心像素點的灰度值不大于其鄰域像素點的灰度值，則將該鄰位置標(biāo)記為 1；否則將其標(biāo)記為 0。因此 3 3鄰域內(nèi)的 8 個像素經(jīng)過比個 8 位的二進制數(shù)，然后將其轉(zhuǎn)換為十進制數(shù)就是 LBP 值，共 82 25示為給定區(qū)域像素值的原始 LBP 算子計算過程。

【參考文獻】：
期刊論文
[1]多尺度自適應(yīng)閾值局部三值模式編碼算法[J]. 張雨,王強,李柏林,高攀.  計算機應(yīng)用研究. 2020(03)
[2]基于截線法的鐵路扣件骨架提取算法[J]. 張雨,王志暉,李柏林.  鐵道標(biāo)準(zhǔn)設(shè)計. 2019(04)
[3]增強成對旋轉(zhuǎn)不變的共生擴展局部二值模式[J]. 高攀,劉光帥,馬子恒,于亞風(fēng).  中國圖象圖形學(xué)報. 2018(07)
[4]一種基于局部三值模式的深度學(xué)習(xí)人臉識別算法[J]. 鄭秋梅,謝換麗,王風(fēng)華,蘇政,劉真.  計算機與現(xiàn)代化. 2018(02)
[5]圖像紋理分類方法研究進展和展望[J]. 劉麗,趙凌君,郭承玉,王亮,湯俊.  自動化學(xué)報. 2018(04)
[6]基于抗噪聲局部二值模式的紋理圖像分類[J]. 冀中,聶林紅.  計算機研究與發(fā)展. 2016(05)
[7]局部二值模式及其擴展方法研究與展望[J]. 孫君頂,周業(yè)勇.  計算機應(yīng)用與軟件. 2016(01)
[8]局部二進制模式方法綜述[J]. 劉麗,謝毓湘,魏迎梅,老松楊.  中國圖象圖形學(xué)報. 2014(12)
[9]改進的基于分塊法的圖像噪聲估計[J]. 陳會娟,戴聲奎.  計算機應(yīng)用. 2014(07)
[10]局部二值模式方法研究與展望[J]. 宋克臣,顏云輝,陳文輝,張旭.  自動化學(xué)報. 2013(06)

博士論文
[1]局部紋理特征提取與識別算法研究及應(yīng)用[D]. 王強.西南交通大學(xué) 2018

碩士論文
[1]基于局部二值模式的紋理特征研究與應(yīng)用[D]. 于亞風(fēng).西南交通大學(xué) 2017



本文編號：3008830