用于纹理特征提取的改进的成对旋转不变共生局部二值模式算法
本文选题:特征提取 + 局部二值模式 ; 参考:《计算机应用》2016年12期
【摘要】:针对用于纹理特征提取的成对旋转不变共生局部二值模式(PRICoLBP)算法计算特征维度大、旋转不变性较差、对光照变化敏感的问题,提出一种融合局部纹理信息的改进PRICoLBP算法。首先,分别最大化和最小化图像像素点的二值序列,得到两个邻域像素点的坐标,由中心像素点坐标和得到的邻域像素点坐标计算出共生点对的坐标;其次,利用完备二值模式(CLBP)算法提取图像的每个像素点的纹理信息。在相同分类器下,对Brodatz、Outex(TC10,TC12)、Outex(TC14)、CURe T和KTH_TIPS数据库的分类实验中,所提算法的识别率比PRICoLBP算法分别提高了0.17、0.24、2.65、2.39和2.04个百分点。实验结果表明,所提算法在处理纹理旋转变化、光照条件多样的图像时具有较好的识别效果。
[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.
【作者单位】: 西南交通大学机械工程学院;
【基金】:国家自然科学基金资助项目(5127543) 四川省科技支撑计划项目(2015GZ0200)~~
【分类号】:TP391.41
【相似文献】
相关期刊论文 前10条
1 蔡哲元;余建国;张敏敏;金震东;;胰腺内镜超声图像纹理特征提取与分类研究[J];生物医学工程学进展;2008年03期
2 刘丽;匡纲要;;图像纹理特征提取方法综述[J];中国图象图形学报;2009年04期
3 闫晶莹;王成儒;;一种新的纹理特征提取算法[J];西安邮电学院学报;2011年01期
4 刘文萍,吴立德;纹理特征提取及分割[J];计算机应用与软件;2001年11期
5 黄丽雯;庞柯;汪鑫;施帮利;王涛;炊万年;;基于小波包分析的颅颌面纹理特征提取方法[J];西南师范大学学报(自然科学版);2013年11期
6 姚娜;吕海芳;陈杰;;基于脉冲耦合神经网络的汉字纹理特征提取[J];塔里木大学学报;2013年04期
7 郑晓霞;李伟键;;基于纹理特征提取的图像检索技术[J];黑龙江工程学院学报;2005年04期
8 陈再良;刘晴;邹北骥;沈海澜;周浩宇;;结合视觉注意和纹理特征提取感兴趣区域算法[J];小型微型计算机系统;2012年05期
9 肖鹏;徐军;陈少冲;;纹理特征提取方法[J];电子科技;2010年06期
10 毛秉毅;;旋转不变傅立叶纹理特征提取[J];计算机工程与应用;2007年10期
相关会议论文 前3条
1 刘玉芳;刘定生;;利用纹理特征提取城市用地信息方法探索[A];中国地理学会2004年学术年会暨海峡两岸地理学术研讨会论文摘要集[C];2004年
2 彭玲;赵忠明;;遥感图像纹理特征提取的若干方法[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年
3 曾文涵;杨练根;谢铁邦;李柱;;弹头发射痕迹纹理特征提取方法的研究[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
相关博士学位论文 前2条
1 毕于慧;彩色航空图像森林纹理特征提取方法的研究[D];北京林业大学;2007年
2 李朝荣;Copula驱动的小波域纹理特征提取研究[D];电子科技大学;2013年
相关硕士学位论文 前10条
1 肖敏敏;基于多维特征融合的地震剖面相似性研究[D];西安石油大学;2015年
2 陈辰;基于相对相域频繁项集的纹理特征提取方法及其在图像分类中的应用[D];兰州大学;2015年
3 李洪伟;基于高分辨率影像纹理特征提取日光温室方法研究[D];兰州大学;2016年
4 黄媛媛;基于小波的纹理特征提取算法的研究[D];江苏科技大学;2012年
5 王龙;图像纹理特征提取及分类研究[D];中国海洋大学;2014年
6 章智儒;纹理特征提取算法及其在面向对象分类技术中的应用研究[D];电子科技大学;2009年
7 丁守鸿;基于分形分析的纹理特征提取[D];大连理工大学;2011年
8 庞鹏飞;纹理特征提取与自动分类算法研究[D];天津大学;2012年
9 周璇;铝土矿浮选精选泡沫颜色校正与纹理特征提取及其应用[D];中南大学;2013年
10 林霞;浮选泡沫图像纹理特征提取研究及应用[D];中南大学;2013年
,本文编号:1855072
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1855072.html