导读:本文包含了卷局部二进制模式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,图像增强,分数阶微分,掩模算子
卷局部二进制模式论文文献综述
刘洪普,郑梦敬,侯向丹,李柏岑,杜佳卓[1]（2019）在《基于局部二进制模式方差的分数阶微分医学图像增强算法》一文中研究指出研究了分数阶微分及其掩模算子的特性,提出了一种新的基于局部二进制模式方差(LBPV)的分数阶微分的图像增强算法,运用LBPV理论对图像进行了特征提取,构建了更加有效的分数阶掩模模板。实验结果表明,与现有的分数阶微分图像增强算法相比,所提算法在增强图像的纹理和细节信息上具有良好的效果。(本文来源于《激光与光电子学进展》期刊2019年09期）
谢永华,韩丽萍[2]（2018）在《基于主梯度编码局部二进制模式的花粉图像识别》一文中研究指出受显微传感器和不规则收集方法的影响,花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化,识别精度普遍不高,为此提出了基于主梯度编码的局部二进制模式(DGLBP)描述子,并应用于花粉图像的分类识别。首先,计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向,以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,参照各局部区域的纹理分布情况为二进制编码自适应分配权重,并提取花粉图像在3个方向上的纹理特征直方图;最后,对不同尺度下的纹理特征直方图进行融合,采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%,与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点,与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明,DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性,且具有较优的识别效果。(本文来源于《计算机应用》期刊2018年06期）
瓦卡[3]（2017）在《基于纹理的局部二进制模式人脸识别方法》一文中研究指出过去四十年来,人们对于人脸识别技术已经进行了广泛地研究和探讨,但是由于它所具有的技术挑战性以及该技术在实际生活中的潜在应用,它仍然当下是图像处理和机器视觉所积极研究的领域。更重要的是与其他生物识别方法相比较,人脸识别系统可以利用低成本设备,并且不需要与被测物体有任何直接接触,就可识别其面部重要特征。虽然人脸识别研究的历史相当长,近年来也取得了很大进展,但现有的人脸识别系统的效果尚未达到令人满意的水平。因此,人脸识别也被认为是模式和对象识别中的特殊和难处理的情况。随着智能手机和快速移动网络的广泛使用,数百万张照片每天会从社交网络上传到云端存储设备,如 Dropbox,Facebook,Twitter,Instagram,Google+和 Flicker这些社交平台。从这些照片中来组织和检索相关信息是非常具有挑战性的,并且直接影响到这些平台上的用户体验。例如,用户通常会查找在特定位置,特定时间或特定朋友拍摄的照片。前两个查询是非常简单的,因为几乎所有今天的相机都会将时间和GPS位置嵌入到照片中。最后一个查询,即上下文查询更具挑战性,因为没有关于照片中人身份的明确信号,识别的关键就是检测人脸。这使得低复杂性、快速和准确的面部检测系统成为基于云的照片共享/存储平台的重要组成部分。人脸识别领域的研究具有悠久的历史,不同研究人员对这一技术的研究提出了不同的方法。为了准确地代表本研究领域的研究背景,人脸识别系统必须针对人脸识别的不同方法进行分类。一般来说,有两种截然不同人脸识别方法,即将基于特征的方法和整体方法用于人脸识别。基于特征的方法使用独特的面部特征,如鼻子,眼睛,嘴等,并计算不同面部点之间的几何关系。这个研究领域的早期尝试是在1973年完成的,Kanade使用简单的图像处理技术通过关注16个不同的脸部特征来提取特征向量。使用20人的简单数据库,在相同候选人的两幅图像之间计算面积,距离或角度比等参数。在其的早期尝试中,达到了 75%的识别率,当时,这个效果被认为是非常显着的。随后,基于特征提取的方法取得了更多的进展,并且出现了新的技术。例如,可变型模板方法、霍夫变换方法、数学形态运算符等。然而,这些技术虽然能够更好地在受限状态和实际情况下工作,但其工作性能却下降了。Wiskott等人提出了现在广泛使用的基于特征的面部识别技术,它能够成功地表示特定数据库中的面部特征,它主要在动态链接结构的基础上起作用。使用这种技术,在250人的数据库中可以达到98%的识别率。最后,统计特征提取方法中利用图像增益来提取图像纹理特征是最受欢迎的特征提取之一,这是由于其不变性会影响单调灰度级变化和计算效率。Ojala等人提出的用于纹理分析的局部二元模式是一个3x3的局部描述符,它计算相邻像素到其中心像素的距离,并转换为二进制模式。在Ojala介绍LBP描述符之后,对于这种基于纹理的描述符已经进行大量的研究工作,目前的LBP已经具有很多扩展形状。因此,能够使用LBP的对面部进行描述主要是因为面部由微图案组成并且这些微图案能够被该方法良好地描述。全局方法尝试使用整个图像来识别面部,现在用于人脸识别最流行的方法是由Turk和Pentland首先提出的主成分分析法,它主要通过计算协方差矩阵来寻找特征面。直到今天PCA仍然是最广泛使用的特征提取算法,它不仅用作基础来与新的方法进行比较,而且许多新的算法衍生出来还从其中衍生出来。许多用于人脸识别的混合方法都是采用PCA来降低其特征向量的维数。一些现代软件利用人工智能来训练神经网络进行面部识别,其中Facebook使用的DeepFace软件是使用神经网络的现代人脸识别系统的最佳示例。人脸识别一直是视觉界的热点研究领域,这在图像分析和计算机视觉领域是一个具有挑战性的任务,在过去的几年中,由于其在各个领域的广泛应用,所以受到了极大的关注。这个研究领域已经在受控条件下进行了大量的研究,并且取得了丰硕的成果。但在不受控制的条件下,人脸识别仍然是一个无法解决的问题。例如,人脸识别的一个关键应用是在没有受控条件下收集图像的安全监视。因此,本研究提出了基于纹理的统计特征提取方法即LBP,以应对人脸识别的一些问题,并且利用人脸纹理所包含的大量信息来设计人脸识别系统,LBP是一个简单而强大的纹理特征提取工具。脸部区域首先被划分成提取局部二进制模式(LBP)直方图的小区域,并将其连接成可以有效表示面部图像的单个特征直方图,使用奇方距离法作为不相似度量进行识别。本研究的主要目的是通过以往的识别技术来实现较高的识别率,并通过减少特征向量的长度来加快识别过程。本论文研究了基于LBP的人脸识别技术,分析了影响人脸识别率的一般因素,特别是面部表情的变化和面部强度变化的影响,以提高人脸识别率。基于标准FERET数据库(包含不同姿态,照明,表达等不同组合的图像),开展了图像表面提取纹理特征的局部二进制图案的实验,并通过改变LBP参数的大小对LBP方案进行了测试,将测试结果与其他现有的面部识别方法进行了比较。初步实验后,发现LBP的扩展性不太理想,这些扩展主要包括邻域检测像素(多圈邻域)的扩展,权重分配过程以及PCA与LBP的使用。将实验结果与以前LBP方案的实验结果进行比较后,发现这些扩展实际上已基本实现,特别是使用了局部二元模式的主成分分析后能够对实验结果产生有利影响。从训练图像的特征向量中选出最具代表的特征面进行比较,结果表明,使用PCA的识别率与不使用PCA的识别率几乎相同,但使用PCA可以显着降低特征向量的长度。总之,通过正确选择LBP的实验方案,可以在人脸识别方面取得较好的效果。实验得出的等级曲线表明,LBP是基于特征的人脸识别系统的最佳方法之一。将该法使用在FERET数据库中,可以实现约97%的识别率。并且由于Set包含不同面部表情的图像,因此,可以得出LBP对于表情变化有较高的鲁棒性的结论。另一方面,尽管对其他数据集的识别率有点不理想,但仍然优于用于相同数据集的其他方法。(本文来源于《天津工业大学》期刊2017-05-16）
刘丽,谢毓湘,魏迎梅,老松杨[4]（2014）在《局部二进制模式方法综述》一文中研究指出目的局部二进制模式(LBP)是一种理论简单、计算高效的非参数局部纹理特征描述子。由于其具有较高的特征鉴别力和较低的计算复杂度,因此近期获得了越来越多的关注,在图像分析、计算机视觉和模式识别领域得到了广泛的应用,尤其是在纹理分类和人脸识别两个经典的模式识别问题中,LBP方法得到充分的研究和发展。鉴于LBP的理论意义和实用价值,为了使国内外同行对LBP方法有一个较为全面的了解,对其进行系统总结。方法在广泛文献调研的基础上,主要以纹理分类和人脸识别为应用背景,系统综述了LBP及现有各种LBP各种改进方法,从每种方法的研究动机、解决思路和方法特点及性能等方面进行总结。结果首先,回顾了LBP方法的发展历程,综述了LBP及其众多改进方法的基本原理,系统梳理和评述了各种LBP方法的优势与不足,并在统一框架下对各种LBP方法进行分类总结;然后,综述了LBP及其各种改进方法在纹理分类和人脸识别中的应用研究,并总结了一些方法在基准数据库上达到的最高分类正确率;最后,凝练出LBP方法进一步的发展方向。结论 LBP方法的研究仍然是计算机视觉和模式识别领域倍受青睐的热点研究领域,仍然有更多低存储、快速的二值特征描述子被提出,LBP方法的应用领域仍在继续拓展。(本文来源于《中国图象图形学报》期刊2014年12期）
韩璠[5]（2014）在《基于小波变换与改进局部二进制模式的牧草识别》一文中研究指出我国草地面积近400万km2,拥有世界上最丰富的草地类型和牧草品种资源,但由于长期不合理利用以及气候和其它因素的影响,草原生态系统出现了严重的退化现象。数字草业技术是有效管理草地资源,防止草地进一步退化以及实现草业可持续发展的技术保障。而目前,我国草地数字化的水平较低,特别是牧草分类识别等工作需要人工完成,具有效率低、主观性强、识别精度低等缺点。因此本论文重点研究牧草自动识别的方法,提高牧草识别效率与识别精度,丰富了草地数字化研究的内容。从植物分类的角度来看,鉴别叶片是识别植物最有效和简单的方法。叶片含有相对丰富和稳定的纹理信息,不会随叶片颜色发生变化。因此本研究的重点是提取叶片纹理信息,尝试采用小波技术与LBP相结合提取牧草叶片的纹理特征,并利用欧氏距离与蚁群算法作为分类器进行特征匹配,实现基于叶片的牧草识别。具体内容如下：(1)图像采集阶段。采用叁星手机GT-18150摄像头获取牧草叶片图像,获取方式更为便捷,拓展了牧草识别的应用范围。(2)图像预处理阶段。对采集的叶片图像经过图像灰度化、图像分割、滤波去噪等传统预处理,与对图像采用小波变换进行预处理形成对比,可得选用dbl小波变换得到的低频子图,能被有效提取纹理信息,同时减少识别时间及提高识别精度。(3)特征提取阶段。局部二进制模式(LBP)是目前较为活跃的纹理特征提取算法,为提高LBP的表示精度,将LBP中的双线性插值改进为叁次插值,使提取的特征向量数据更为均匀分配,并且增大类间距离,进而提高了识别率。(4)特征匹配阶段。除采用常用的最近邻分类器外,还尝试使用蚁群算法进行分类,达到了较好的识别效果。(本文来源于《内蒙古农业大学》期刊2014-06-01）
李丹[6]（2011）在《局部二进制模式的理论和应用问题研究》一文中研究指出纹理分析是指通过一定的图像处理技术提取出纹理特征参数,从而获得纹理的定性描述的过程。近年来，基于局部二进制模式（local binary patterns，LBP）的纹理分析方法凭借其简单的结构以及优越的性能成为最先进的纹理分析方法之一。LBP打破了传统纹理分析方法在点像素的层次上分析纹理，取而代之的是利用局部模式来分析纹理。本文针对这一纹理分析方法进行了较为深入的研究。根据LBP的原理及其应用，本文内容分为以下叁个部分：首先，在广泛学习、深入研究LBP纹理分析方法基础上，对LBP技术进行了系统的分析、总结。详细探究了经典局部二进制模式LBP，对其做了深刻的剖析，并对LBP在图像处理领域的应用做出综述性总结。其次，研究了方向可控滤波器（steerable filters）的原理，构造出性能优越的方向可控滤波器。本文利用高斯函数二阶导函数构造出性能优越的方向可控滤波器，并把该滤波器推广应用到图像分割工作中来验证其性能。本文提出了方向可控滤波器与局部二进制模式LBP相结合的纹理提取方法：局部可控二进制模式（local steerable binary pattern，LSBP）。最后，研究了基于LSBP的人脸识别方法。本方法利用LSBP来提取人脸图像的特征信息进行人脸识别，经试验证明该方法具有很好的识别效果。(本文来源于《天津理工大学》期刊2011-12-01）
韩拓荒[7]（2011）在《基于局部二进制模式与变换域的人脸识别》一文中研究指出人脸识别涉及模式识别、机器视觉、图像处理等诸多学科，具有重要的理论研究价值和广阔的应用背景。人脸图像存在着各种自身的和环境的变化因素，因此，人脸识别研究复杂而艰巨，有很多关键技术问题有待进一步解决和完善。本文主要对光照预处理、局部二进制模式(LBP)、小波变换和曲波(Curvelet)变换等图像处理技术进行了深入学习与研究，对人脸特征提取进行了细致分析，并提出了新的人脸识别算法，主要工作包括以下两个方面：提出了一种基于小波变换与多尺度LBP特征融合的人脸识别方法。该方法首先对人脸图像进行光照预处理，接着对其进行分块，然后对不同子块分别采用不同尺度的LBP算子提取直方图特征向量，将各子块的LBP直方图特征串连起来作为该人脸图像的LBP特征向量；接下来对人脸图像做小波分解，提取小波特征向量，最后将LBP特征和小波特征进行加权融合，生成用于分类的特征空间。实验表明，特征融合后的识别率相比单一特征的识别性能有一定的提高。提出了一种结合曲波变换与LBP算子的人脸识别方法。由于光照变化影响Curvelet变换的低频系数，而人脸的表情变化与Curvelet变换的中高频系数均具有方向敏感性，该方法首先对人脸图像进行光照补偿，然后对预处理后的人脸图像进行Curvelet变换，通过修改最优尺度层和细尺度层系数达到了图像去噪与纹理增强的目的，利用反变换对人脸图像进行重构，对重构图像进行多层分块，最后对不同子块采用不同尺度的LBP算子提取特征向量，将其用于人脸识别，与传统的结合小波分析与LBP算子的人脸识别进行了实验比较，实验表明，在不同光照与表情变化的情况下，该方法均取得了更好的识别效果。(本文来源于《湖南大学》期刊2011-05-16）
姚伟光,王赢,许存禄[8]（2010）在《将局部二进制模式应用于动态纹理识别的新方法》一文中研究指出动态纹理的处理、描述与识别是纹理分析的热门领域。动态纹理是对普通纹理在时间域方面的扩展,包括动态特征和静态特征。基于LBP算法的扩展提出的VLBP算法较好的描述了动态纹理特征,但是计算量过大,模板过多。本文提出了一种由VLBP算法改进的基于局部二进制运动模式的特征提取方法用以动态纹理的描述和识别,它包括提取动态特征和提取静态特征两部分。将LBP算子做为块匹配准则提取局部二进制运动模式柱状图做为动态特征的描述,提取LBP柱状图做为静态特征的描述,并将二者连接得出描述动态纹理特征的联合的局部二进制运动模式柱状图。通过对DynTex集实验的结果表明,本文提出的方法在性能和识别率方面均要优于VLBP。(本文来源于《微计算机信息》期刊2010年09期）
张亚莉,李云峰[9]（2010）在《局部二进制模式与小波特征融合的掌纹识别》一文中研究指出针对利用单一方法进行掌纹图像识别所得的识别率难以提高这一情况,提出一种利用掌纹图像经高斯高通滤波后的局部二进制模式特征和叁级小波分解的细节图像的能量特征的融合特征进行掌纹识别的方法。在提取图像的局部二进制模式特征的时候,通过高斯高通滤波增强图像的对比度,从而提取出更有效的局部二进制模式特征,该特征对光照的变化具有一定的鲁棒性;小波变换的细节图像能量数据反映不同频率成分的局部细节特征。实验结果表明所提出的掌纹识别方法的有效性。(本文来源于《计算技术与自动化》期刊2010年01期）
王培珍,高尚义,程健[10]（2009）在《一种基于局部二进制模式的带钢表面缺陷初级检测方法》一文中研究指出带钢表面缺陷检测是带钢质量控制的重要环节之一,但现有带钢表面缺陷自动检测方法在准确性和实时性上还难以满足工业现场需要。为了解决此问题,提出了一种基于局部二进制模式(LBP)的带钢表面缺陷的初级检测方法。该方法首先利用快速局部二进制模式算法计算图像中各像素点的LBP值;然后通过统计LBP直方图来获取图像中主要边缘点的信息,再将其与阈值进行比较,以确定带钢图像中表面缺陷的存在,并记录缺陷的位置。实验结果表明,该方法不仅在带钢表面缺陷的初级检测方面具有良好的准确性和实时性,而且其提取出的信息还具有结构的和统计的双重特性,可为后续缺陷分类提供重要依据。(本文来源于《中国图象图形学报》期刊2009年06期）
卷局部二进制模式论文开题报告
（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：
受显微传感器和不规则收集方法的影响,花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化,识别精度普遍不高,为此提出了基于主梯度编码的局部二进制模式(DGLBP)描述子,并应用于花粉图像的分类识别。首先,计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向,以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,参照各局部区域的纹理分布情况为二进制编码自适应分配权重,并提取花粉图像在3个方向上的纹理特征直方图;最后,对不同尺度下的纹理特征直方图进行融合,采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%,与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点,与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明,DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性,且具有较优的识别效果。
（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。
卷局部二进制模式论文参考文献
[1].刘洪普,郑梦敬,侯向丹,李柏岑,杜佳卓.基于局部二进制模式方差的分数阶微分医学图像增强算法[J].激光与光电子学进展.2019
[2].谢永华,韩丽萍.基于主梯度编码局部二进制模式的花粉图像识别[J].计算机应用.2018
[3].瓦卡.基于纹理的局部二进制模式人脸识别方法[D].天津工业大学.2017
[4].刘丽,谢毓湘,魏迎梅,老松杨.局部二进制模式方法综述[J].中国图象图形学报.2014
[5].韩璠.基于小波变换与改进局部二进制模式的牧草识别[D].内蒙古农业大学.2014
[6].李丹.局部二进制模式的理论和应用问题研究[D].天津理工大学.2011
[7].韩拓荒.基于局部二进制模式与变换域的人脸识别[D].湖南大学.2011
[8].姚伟光,王赢,许存禄.将局部二进制模式应用于动态纹理识别的新方法[J].微计算机信息.2010
[9].张亚莉,李云峰.局部二进制模式与小波特征融合的掌纹识别[J].计算技术与自动化.2010
[10].王培珍,高尚义,程健.一种基于局部二进制模式的带钢表面缺陷初级检测方法[J].中国图象图形学报.2009