主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2019-2020年专刊出版计划 微信服务介绍 最新一期:2019年第2期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
周书仁,殷建平.基于Haar特性的LBP纹理特征.软件学报,2013,24(8):1909-1926
基于Haar特性的LBP纹理特征
LBP Texture Feature Based on Haar Characteristics
投稿时间:2011-07-07  修订日期:2012-04-26
DOI:10.3724/SP.J.1001.2013.04277
中文关键词:  图像纹理  特征提取  Haar 型局部二元模式  Gabor 滤波  直方图
英文关键词:image texture  feature extraction  Haar local binary pattern (HLBP)  Gabor filter  histogram
基金项目:国家自然科学基金 (60970034, 61170287, 61170199); 湖南省自然科学基金(12JJ6057); 湖南省标准化战略资助项目(2011031); 长沙市科技计划(K1203015-11)
作者单位E-mail
周书仁 长沙理工大学 计算机与通信工程学院, 湖南 长沙 410004
国防科学技术大学 计算机学院 博士后流动站, 湖南 长沙 410073 
zsr_hn@163.com 
殷建平 国防科学技术大学 计算机学院 博士后流动站, 湖南 长沙 410073  
摘要点击次数: 2455
全文下载次数: 4523
中文摘要:
      图像纹理特征能够反映图像的灰度分布程度、对比度、空间分布和图像的内在变化特性,在确保较低计算复杂度的前提下,有效提取深层次的图像纹理信息是其研究的难点问题.针对这一问题,从相邻区域的统计特征分析入手,提出了一种Haar 型特性局部二元模式(Haar local binary pattern,简称HLBP)的图像纹理特征提取方法.鉴于Haar 型特征运算简单、快捷,统计局部特征有效、可靠,将其引入LBP 中.该方法首先给出8 组Haar 型特征编码模式,按照局部二元模式(local binary pattern,简称LBP)统计图像局部纹理特征,因采用局部区域统计方法能够有效降低噪声的影响;其次,为了进一步提高图像纹理特征的有效呈现,结合Gabor 小波滤波在不同方向、不同尺度对灰度水平图像进行特征提取,以增强纹理有效提取的性能,提高不变特征的稳健性;最后,通过4 组对比实验验证了该方法的可行性.实验分别在标准的Brodatz 正常分块纹理库测试集、分块且缩放Brodatz 纹理库测试集、分块且旋转Brodatz 纹理库测试集以及Yale B 扩展的非均匀光照条件人脸库测试集上进行.实验结果表明,该方法能够有效地表达图像的纹理特征.
英文摘要:
      The image texture feature reflects some characteristics of the degree of gray distribution, contrast, spatial distribution and changes in the intrinsic properties of image. Under the premise of lower computational complexity, it is a difficult problem for effective feature extraction of deep level image texture. Aiming to solve this problem, this paper, from the analysis of statistical characteristics of adjacent regions, proposes an image texture features extraction method, which is based on Haar local binary pattern (HLBP). In view of simple and quick operating of Haar-like features, effective and reliable to local features statistic, Haar is inducted into LBP. This method first shows eight groups of Haar feature encoding models, which calculate the local texture features of image in accordance with local binary pattern (LBP). Through this method, it can reduce the noise impact effectively. Then, in order to further enhance the effective representations of the image texture features, the method combines with Gabor wavelet filters in different directions and different scales of gray-level image feature extraction, which intends to enhance the effective performance of the texture feature extraction. Finally, through four comparing experiments, this method has proven to be a feasible tool for analyzing image texture features.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利