手部图像的纹路特征提取与参数测量研究
发布时间：2021-07-20 08:02
基于图像的测量由于具有检测精度高、速度快、成本低等优点,而广泛应用于医疗、工业、农业、军事和国防等领域。因此,它也成为计算机视觉领域最热门的研究课题之一。在医院手部烧伤烫伤的康复治疗中,弹力手套是一种常见的康复手段。传统方法是测量人员到病房直接对患者手部进行测量,从而制备出弹力手套。人工测量方法中个人依据标准不同,测出数据误差不同;并且人力培养时间长,成本高。所以,采用基于图像的测量技术对患者手部进行拍照并测量手部参数辅助弹力手套制备有着重要的实际应用价值。为了解决基于图像的特征检测、几何参数测量等问题,本文基于患者的手部图像着重研究了特征提取及参数测量方法,主要工作有:1、给出了一种融合分块加权局部二值特征（BW-LBP,Block Weighted Locally Binary Pattern）与MFRAT（修改的有限Radon变换的线性滤波器）的手掌掌纹特征提取方法。该方法首先利用图像高频强调滤波和限制对比度自适应直方图均匀化结合方法对手部图像进行增强,然后利用将原始局部二值特征（LBP,Locally Binary Pattern）中由单个像素点与邻域像素点的对比实现为多个区域...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图１－１基恩士视觉测量系统
法应用到实际手部纹路主线提取问题中，查看提取的效果。??２．２改进的手部图像局部纹理特征提取方法??２．２．１?ＢＷ－ＬＢＰ?方法与?Ｍｏｄｉｆｉｅｄ?Ｆｉｎｉｔｅ?Ｒａｄｏｎ?变换方法??（１）?ＬＢＰ??最先提出的ＬＢＰ算子定义在图像中一个３ｘ３大小的像素区域中，在这个区域中中??心的像素灰度值作为做差值计算的参考值，做差值的对象是区域中相邻的８个像素，??如果存在８个像素中的像素值比区域参考值大，那么这个邻域点的位置置１，如果存??在８个像素中的像素值比区域参考值小则置０，如图２－１所示。上述操作完成后的结??果是一个８位二进制数，为了获取ＬＢＰ码，需要把这个二进制数转换为十进制，存在??２５６种不同的ＬＢＰ码，将这个１０进制值表示窗口中心像素点的ＬＢＰ值，来反应中心??像素为中心的３ｘ３区域的纹理信息。??Ｉ９ＨＤＨＩ?Ｔｈｒｅｓｈｏｌｄ?０?１?１??３２?８３?２０４??？＞?０?１??？?（０１１１１１００）ｉｏ＝１２４??６１?１７４?２５０?８３?０?１?１?Ｂｉｎａｉｙ?ｄｅｃｉｍａｌ??Ｌ??图２－１?ＬＢＰ处理过程示意图??Ｆｉｇ．２－１?ＬＢＰ?ｐｒｏｃｅｓｓ?ｓｃｈｅｍａｔｉｃ??记为以像素＆为中心邻域内的Ｐ个像素的集合，定义??１０??
?北京化工大学硕士学位论文???＾＾快平均灰度值为６??＼?｜?７?｜?６?｜?８??＇ＨＩ?４?７?０?０?１??７?Ｈ?阈值???？?〇?０??／?５?６?６????（８?Ｉ?５?１?７?［?１?１?１?°?１?１??￣？快平均灰度值为５??图２－２分块ＬＢＰ特征的图像表示??Ｆｉｇ．２－２?Ｂｌｏｃｋ?ｔｈｅ?ｉｍａｇｅ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｏｆ?ＬＢＰ?ｆｅａｔｕｒｅ??传统ＬＢＰ值求取仅依赖中心像素点与邻域像素点的关系，没有考虑图像中邻域内??中心像素周围各个像素点灰度值之间的差异，使图像中某些邻域内的邻域像素灰度值??无任何相关的情况［３］，由这些像素计算得到的ＬＢＰ结果存在相同的情况。可由图２－３??看出，在图像中区域块不同，并且中心像素点灰度值也不一样的情况下（分别为１００??和６０），在初始ＬＢＰ方法最终计算的ＬＢＰ码却相同，在图像选择区域可以看到邻域??像素点分布存在明显差异，因此会造成很大的误差。??传统ＬＢＰ采用的是中心像素点灰度值与邻域内所有像素点的不一致关系，没有考??虑到图像的连续存在性，也忽视邻域点在位置分布上存在的差异，邻域点间的关系能??更好描述图像，因此在使用ＬＢＰ算子过程中存在丢失部分纹理特征的可能。??Ｂ—，關??—圓，??图２－３邻域分布不同ＬＢＰ值相同示意图??Ｆｉｇ．２－３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓａｍｅ?ＬＢＰ?ｖａｌｕｅｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｎｅｉｇｈｂｏｒｈｏｏｄ?ｄｉｓｔｒｉｂｕｔｉｏｎｓ??（３）?ＢＷ－ＬＢＰ?方法??为克服上述方法存在的缺陷，本文提出改进的分块加权ＬＢＰ算子，记为ＢＷ－
【参考文献】：
期刊论文
[1]基于自适应局部二值模式的纹理特征提取方法[J]. 李松,蔡航,于蒙. 计算机应用与软件. 2019(09)
[2]基于二维图像的三维几何参数测量研究[J]. 张黎,陈军,刘春玲,罗维平,游长莉. 武汉纺织大学学报. 2019(04)
[3]基于改进纹理特征的现堪图像检索算法[J]. 兰蓉,马威. 西安邮电大学学报. 2019(04)
[4]一种纹理缺陷特征提取算法[J]. 吴焕新,岳晓峰,秦伟洋,张鹏飞. 计算机与数字工程. 2019(05)
[5]一种线阵CCD融合光栅尺的高精度尺寸测量新方法研究[J]. 同志学,白金池,康智强. 光学技术. 2019(03)
[6]一种基于加权颜色形状特征和LBP-GLCM纹理特征提取的服装图像检索方法[J]. 缪智文,何丽嘉,刘洞波. 纺织报告. 2019(04)
[7]基于图像分割的双目无源测距[J]. 谢志宏,王楠洋,宗艳桃,倪华阳. 计算机仿真. 2019(02)
[8]基于单应矩阵的手眼视觉系统简便标定方法[J]. 张航,王晓凯,张云鹏. 计算机工程. 2018(09)
[9]基于图像的人体特征点提取与尺寸测量[J]. 许明星,李重. 计算机系统应用. 2018(06)
[10]基于局部线性二值模式的掌纹掌脉融合识别[J]. 王颖,惠晓威,林森. 传感器与微系统. 2018(04)
博士论文
[1]局部纹理特征提取与识别算法研究及应用[D]. 王强.西南交通大学 2018
硕士论文
[1]基于线结构光的物体几何参数测量方法研究[D]. 郭蕾.内蒙古科技大学 2019
[2]基于图像的油菜表型参数测量方法研究[D]. 吴文华.浙江大学 2019
[3]基于机器视觉的枪弹外形几何参数测量研究[D]. 施洋.中北大学 2019
[4]基于图像的二维和三维几何量测量方法研究[D]. 钱斌.南昌航空大学 2018
[5]基于改进LBP算子的人脸识别算法研究[D]. 徐金林.安徽理工大学 2018
[6]基于改进LBP算子的图像纹理分类研究[D]. 高攀.西南交通大学 2018
[7]基于联合边缘和方向特征的掌纹识别[D]. 李梦雯.安徽大学 2018
[8]基于机器视觉的手机二维尺寸测量技术研究[D]. 刘杰.广东工业大学 2017
[9]基于图像的远程人体测量及个性化女体模型生成[D]. 杨敏.苏州大学 2016
[10]基于图像纹理特征LBP的计算机生成图像与真实图像的取证技术研究[D]. 李艳红.北京交通大学 2014
本文编号：3292450
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图１－１基恩士视觉测量系统
法应用到实际手部纹路主线提取问题中，查看提取的效果。??２．２改进的手部图像局部纹理特征提取方法??２．２．１?ＢＷ－ＬＢＰ?方法与?Ｍｏｄｉｆｉｅｄ?Ｆｉｎｉｔｅ?Ｒａｄｏｎ?变换方法??（１）?ＬＢＰ??最先提出的ＬＢＰ算子定义在图像中一个３ｘ３大小的像素区域中，在这个区域中中??心的像素灰度值作为做差值计算的参考值，做差值的对象是区域中相邻的８个像素，??如果存在８个像素中的像素值比区域参考值大，那么这个邻域点的位置置１，如果存??在８个像素中的像素值比区域参考值小则置０，如图２－１所示。上述操作完成后的结??果是一个８位二进制数，为了获取ＬＢＰ码，需要把这个二进制数转换为十进制，存在??２５６种不同的ＬＢＰ码，将这个１０进制值表示窗口中心像素点的ＬＢＰ值，来反应中心??像素为中心的３ｘ３区域的纹理信息。??Ｉ９ＨＤＨＩ?Ｔｈｒｅｓｈｏｌｄ?０?１?１??３２?８３?２０４??？＞?０?１??？?（０１１１１１００）ｉｏ＝１２４??６１?１７４?２５０?８３?０?１?１?Ｂｉｎａｉｙ?ｄｅｃｉｍａｌ??Ｌ??图２－１?ＬＢＰ处理过程示意图??Ｆｉｇ．２－１?ＬＢＰ?ｐｒｏｃｅｓｓ?ｓｃｈｅｍａｔｉｃ??记为以像素＆为中心邻域内的Ｐ个像素的集合，定义??１０??
?北京化工大学硕士学位论文???＾＾快平均灰度值为６??＼?｜?７?｜?６?｜?８??＇ＨＩ?４?７?０?０?１??７?Ｈ?阈值???？?〇?０??／?５?６?６????（８?Ｉ?５?１?７?［?１?１?１?°?１?１??￣？快平均灰度值为５??图２－２分块ＬＢＰ特征的图像表示??Ｆｉｇ．２－２?Ｂｌｏｃｋ?ｔｈｅ?ｉｍａｇｅ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｏｆ?ＬＢＰ?ｆｅａｔｕｒｅ??传统ＬＢＰ值求取仅依赖中心像素点与邻域像素点的关系，没有考虑图像中邻域内??中心像素周围各个像素点灰度值之间的差异，使图像中某些邻域内的邻域像素灰度值??无任何相关的情况［３］，由这些像素计算得到的ＬＢＰ结果存在相同的情况。可由图２－３??看出，在图像中区域块不同，并且中心像素点灰度值也不一样的情况下（分别为１００??和６０），在初始ＬＢＰ方法最终计算的ＬＢＰ码却相同，在图像选择区域可以看到邻域??像素点分布存在明显差异，因此会造成很大的误差。??传统ＬＢＰ采用的是中心像素点灰度值与邻域内所有像素点的不一致关系，没有考??虑到图像的连续存在性，也忽视邻域点在位置分布上存在的差异，邻域点间的关系能??更好描述图像，因此在使用ＬＢＰ算子过程中存在丢失部分纹理特征的可能。??Ｂ—，關??—圓，??图２－３邻域分布不同ＬＢＰ值相同示意图??Ｆｉｇ．２－３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓａｍｅ?ＬＢＰ?ｖａｌｕｅｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｎｅｉｇｈｂｏｒｈｏｏｄ?ｄｉｓｔｒｉｂｕｔｉｏｎｓ??（３）?ＢＷ－ＬＢＰ?方法??为克服上述方法存在的缺陷，本文提出改进的分块加权ＬＢＰ算子，记为ＢＷ－
【参考文献】：
期刊论文
[1]基于自适应局部二值模式的纹理特征提取方法[J]. 李松,蔡航,于蒙. 计算机应用与软件. 2019(09)
[2]基于二维图像的三维几何参数测量研究[J]. 张黎,陈军,刘春玲,罗维平,游长莉. 武汉纺织大学学报. 2019(04)
[3]基于改进纹理特征的现堪图像检索算法[J]. 兰蓉,马威. 西安邮电大学学报. 2019(04)
[4]一种纹理缺陷特征提取算法[J]. 吴焕新,岳晓峰,秦伟洋,张鹏飞. 计算机与数字工程. 2019(05)
[5]一种线阵CCD融合光栅尺的高精度尺寸测量新方法研究[J]. 同志学,白金池,康智强. 光学技术. 2019(03)
[6]一种基于加权颜色形状特征和LBP-GLCM纹理特征提取的服装图像检索方法[J]. 缪智文,何丽嘉,刘洞波. 纺织报告. 2019(04)
[7]基于图像分割的双目无源测距[J]. 谢志宏,王楠洋,宗艳桃,倪华阳. 计算机仿真. 2019(02)
[8]基于单应矩阵的手眼视觉系统简便标定方法[J]. 张航,王晓凯,张云鹏. 计算机工程. 2018(09)
[9]基于图像的人体特征点提取与尺寸测量[J]. 许明星,李重. 计算机系统应用. 2018(06)
[10]基于局部线性二值模式的掌纹掌脉融合识别[J]. 王颖,惠晓威,林森. 传感器与微系统. 2018(04)
博士论文
[1]局部纹理特征提取与识别算法研究及应用[D]. 王强.西南交通大学 2018
硕士论文
[1]基于线结构光的物体几何参数测量方法研究[D]. 郭蕾.内蒙古科技大学 2019
[2]基于图像的油菜表型参数测量方法研究[D]. 吴文华.浙江大学 2019
[3]基于机器视觉的枪弹外形几何参数测量研究[D]. 施洋.中北大学 2019
[4]基于图像的二维和三维几何量测量方法研究[D]. 钱斌.南昌航空大学 2018
[5]基于改进LBP算子的人脸识别算法研究[D]. 徐金林.安徽理工大学 2018
[6]基于改进LBP算子的图像纹理分类研究[D]. 高攀.西南交通大学 2018
[7]基于联合边缘和方向特征的掌纹识别[D]. 李梦雯.安徽大学 2018
[8]基于机器视觉的手机二维尺寸测量技术研究[D]. 刘杰.广东工业大学 2017
[9]基于图像的远程人体测量及个性化女体模型生成[D]. 杨敏.苏州大学 2016
[10]基于图像纹理特征LBP的计算机生成图像与真实图像的取证技术研究[D]. 李艳红.北京交通大学 2014
本文编号：3292450
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3292450.html
最近更新
教材专著
