基于鲁棒局部二值模式的纹理图像分类算法研究

《基于鲁棒局部二值模式的纹理图像分类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于鲁棒局部二值模式的纹理图像分类算法研究Robustlocalbinarypatternalgorithmsfortextureimageclassification学科专业：信息与通信工程研究生：聂林红指导教师：冀中副教授天津大学电子信息工程学院二零一五年十一月摘要纹理在自然界中广泛存在，大多数物体的表面均可称之为纹理，它反映了物体的物理属性。近年来，以局部二值模式（localbinarypattern,LBP）为代表的纹理特征被广泛应用到模式识别的各个领域。然而现有LBP特征在一些方面的表征能力仍不够鲁棒，存在对图像的空间信息表征不够、对含有噪

2、声情况下的图像的表征能力弱等问题。为此，本文主要从增加LBP的全局信息表示和抵制噪声影响两个方面进行了较为深入的研究。一方面，针对LBP仅对图像的局部信息进行分析、丢失了图像的空间分布信息，因而很难全面有效地描述图像的问题，本文借鉴全局与局部特征相结合的思想，通过在LBP的基础上增加全局特征来进一步提升其对图像的表征能力。具体方法是将LBP与全局灰度直方图特征相结合形成全局与局部特征模式（globalandlocalbinarypattern,GLBP），该特征既包含图像的局部信息又包含图像的空间分布信息，能够更加全面有效的描述图像。通过在Outex

3、纹理数据库上进行实验验证了GLBP的性能。另一方面，针对LBP在含有噪声情况下对图像的表征能力弱的问题，提出一种对噪声较为鲁棒的纹理特征表示方法——抗噪声完整增强局部二值模式（CELBPNT）。该特征对光照、旋转和噪声均具有较好的鲁棒性，其提取过程如下：首先根据LBP中各模式的结构和出现频率对特征中的模式重新分类，提出增强局部二值模式（ELBP）特征；接着添加差值的模值信息与中心像素信息，并根据图像尺寸自适应地调整其中的阈值，提出完整增强局部二值模式（CELBP）特征；最后，进一步将该特征进行多尺度下的表示，从而最终提出具有抗噪声能力的纹理特征——C

4、ELBPNT。通过在Outex和CUReT纹理数据库上添加不同强度和不同类型噪声的情况进行实验，结果表明：CELBPNT不仅能够显著提升无噪声纹理图像的分类性能，而且对含有噪声的纹理图像分类也有较为明显的性能提高。最后，针对本文所做工作进行了归纳总结，并结合本文存在的不足之处分析和讨论了进一步的研究计划与展望。关键词：局部二值模式，纹理图像分类，抗噪声，特征提取，鲁棒ABSTRACTTextureisexistedwidely,andthesurfaceofmostobjectscanberegardedastexture,whichdirectly

5、reflectspropertiesoftheobjects.Inrecentyears,asoneoftexturefeatures,thelocalbinarypattern(LBP)hasbeenwidelyappliedtopatternrecognitionfields.However,LBPisstillnotrobustenoughinsomespecificconditions.Forexample,thespatialinformationisstillnotfullyconsidered,andtheanti-noiseabili

6、tyisnotstrongenough.Therefore,thisarticledeeplystudiestheLBPbyaddingtheglobalinformationandenhancingtheanti-noiseability.AstheLBPonlyanalyzesthelocalfeatureofimageandignoresthespatialdistributioninformationofimage,itisdifficulttodescribetheimagecomprehensively.Therefore,thispap

7、erappliestheideaofcombininglocalandglobalfeatureforreference,andimprovestherepresentationabilityoffeaturebycombiningthelocalbinarypatternwiththeglobalfeature.Basedonthecombiningoftheglobalgray-levelhistogramwiththeLBP,afeaturenamedglobalandlocalbinarypattern(GLBP)isproposed.The

8、GLBPnotonlycontainsthelocalinformationofimagebutalsoin