lbp的宣纸纹理识别算法【字数：11177】
摘 要如今，计算机技术飞速的发展，图像资源呈现出了爆炸性地增长，因而人们对图像识别的需要越发的强烈。模式识别指的是将待分类的模式用计算机技术自动的从而正确地分配到各个模式类的技术，这项技术的发展也直接推进了计算机的应用，与此同时也带动了人工智能的发展。Ojala研究提出的局部二值模式是近年来较为热门的研究方向，其优势是它计算简单并且具有平移不变性和灰度单调不变性是进行上述条件的图像的纹理特征提取的很有效的方法。由于LBP自身计算量大、速度较慢，计算精度不高，所以本文将传统的LBP算法进行了改进，减少噪声对识别过程中的影响。本论文通过实验验证出了LBP在光照不变性方面具有着明显的优势，结合局部二值模式算法本身的优点，将它用于宣纸图像的分析，取得了很好的效果。
目录
第一章 绪论 1
1.1课题研究背景及意义 1
1.2课题的国内外研究现状 1
1.3主要的研究工作 2
1.4章节内容安排 2
第二章 基于LBP的宣纸纹理识别系统对社会的影响 4
第三章 系统开发工具与关键技术介绍 5
3.1开发工具 5
3.2 关键技术简介 8
3.3 Python和C++语言 9
第四章 基于LBP的图像特征提取方法的研究 10
4.1图像特征提取 10
4.1.1图像特征 10
4.1.2纹理特征 10
4.2纹理描述方法 10
4.3 Gabor变换和基于LBP的特征提取方法的比较 12
4.3.1 Gabor变换法提取特征纹理 12
4.3.2 LBP提取纹理特征 13
4.3.3 两种纹理特征提取方法在进行图像分类时的比较 16
4.4 LBP算法的实现步骤 16
4.5本章小结 17
第五章 对局部二值模式特征提取方法改进 18
5.1分块对基于局部二值模式算法的影响 18
5.1.1 分块提取LBP纹理特征 18
5.1.2 实验结果分析 19
5.2 LBP结合BEMD的多尺度特征提取 22 *好棒文|www.hbsrm.com +Q: #351916072#
5.2.1 LBP结合BEMD提取纹理特征 22
5.2.2 实验结果分析 22
5.3本章小结 23
第六章 实验研究 24
6.1 实验介绍 24
6.2 实验核心代码展示 25
第七章 总结与展望 28
7.1本文的主要工作和创新点 28
7.2进一步的工作和展望 28
参考文献 30
致谢 31
第一章 绪论
1.1课题研究背景及意义
对于纹理，有两种基本的解释。(1)纹理能够引起视觉感知。(2)纹理元件有相对固定的布局规则。这些规则看起来像是周期性的或随机的。上述不同原始形式和部署规则构成非常不同的纹理结构。这个文章的下一部分，使用各种各样的分析方法主要研究纹理分类。
纹理是重要的纹理分析和机器视觉的重要方面。纹理分类是用于确定特定纹理的分类的跟踪过程。首先，训练和测试样本需要选择一个特征。在锻炼阶段形成各种纹理。在识别阶段，分类器用于确定可识别标识符的类别，纹理分类的基础和关键是提取到图像的纹理特征。在分离尽可能多的不同文本类型时，有必要解压缩与纹理尽可能相似的特征。基于此，通过使用精确的分类器来实现分类的准确性。 通过对结构进行分类，我们可以获得有价值的信息。分类是信息检索和医学图像诊断的重要问题。
这篇论文研讨了LBP特征的提取算法在纹理图像辨认中的详细应用，经过一系列实验剖析了该办法的可行性，并改进了该方法的不足之处。
1.2课题的国内外研究现状
纹理是图像最明显的特征之一，也是越来越多科学家的研究方向，至今，这种方向也取得了一些突破性的结果。纹理特征的提取大致可以用为结构分析，频域分析，统计分析和模型来完成。国内外的很多技术人员都获得了成功。
1966年，Brodaz开发了Brodatz纹理库。 这种库使得研究者可以直接在纹理库中选择图片。
20世纪 70年代，越来越多的人开始进行纹理特征的研究。但是由于高计算量和纹理的空间信息描述不足，该算法很少出现在后续工作中。1973年，Haralick等人建议图像的纹理特征从并行表达矩阵导出的十个参数表示，以描述图像的纹理信息。
20世纪80年代，随着纹理分析越来越广泛的应用，科学家们开始对纹理分析进行建模处理。
20世纪90年代，研究者们发现无法从多维度有效地描述纹理特性。伴随着波浪理论的出现，时频的多维分析框架变得更加的精确连贯。因此也提出了一种基于Gabor的算法。Gabor滤波方法容易被检测到并且更符合人们的视觉要求，在图像纹理分析中扮演着越来越重要的角色。
这些年，Ojala等人研究提出的LBP 算法(Local Binary Pattern, 局部进制模式)被越来越多的人采用 ,这种方法的计算复杂度小，并且具有旋转不变性和标准不变性，因而在图像的纹理特征识别中得到了越来越广泛的应用。
1.3主要的研究工作
本次研究的目的是基于LBP算法提取图像的纹理特征，改进原始的算法，设计方案对图像的纹理进行分类并在多组图像上进行比较，从而证明改进算法具有更高的效果和速度。在分类算法中，把一些不同的分类方法进行比较，从而找到最适合的分类算法，并且针对LBP算子提取的一些特点，分析缺点，在保留原本优点的基础上，克服不足，进一步设计和改进LBP算法。
本文主要进行了以下工作:
1.参考有关模式识别，纹理图像分类识别等的相关文献资料，学习了解相关技术和理论知识，掌握目前国内外的研究现状。
2.了解本次实验对社会人文和法律的作用。
3.介绍了本次实验主要的开发工具，介绍了原因和优势。
4.研究与纹理有关的知识点。 总结了现有的纹理分析的办法，用于纹理特色识别的详细应用，并仔细说明了各种识别方法和使用的优缺点。着重对比了Gabor变换提取特征纹理和LBP提取特征纹理，在此基础上决定本次试验所使用的算法。
5.这个系统验证了LBP算法的实用性，选择了有效的分类方法。对于LBP算法在纹理图像识别中的应用所存在的直方图维数高，存在多个故障的冗余信息，识别能力差等的问题，为了提高检测率，我们提出了一种基于改进的LBP算子块的纹理图像，并且该属性提取了每个仓的适当权重，以提高统计直方图分布的纹理直方图分布率。 并且采用了LBP和BEMD相结合的方法以达到在不同尺度下对宣纸的纹理进行准确的特征识别分析。
目录
第一章 绪论 1
1.1课题研究背景及意义 1
1.2课题的国内外研究现状 1
1.3主要的研究工作 2
1.4章节内容安排 2
第二章 基于LBP的宣纸纹理识别系统对社会的影响 4
第三章 系统开发工具与关键技术介绍 5
3.1开发工具 5
3.2 关键技术简介 8
3.3 Python和C++语言 9
第四章 基于LBP的图像特征提取方法的研究 10
4.1图像特征提取 10
4.1.1图像特征 10
4.1.2纹理特征 10
4.2纹理描述方法 10
4.3 Gabor变换和基于LBP的特征提取方法的比较 12
4.3.1 Gabor变换法提取特征纹理 12
4.3.2 LBP提取纹理特征 13
4.3.3 两种纹理特征提取方法在进行图像分类时的比较 16
4.4 LBP算法的实现步骤 16
4.5本章小结 17
第五章 对局部二值模式特征提取方法改进 18
5.1分块对基于局部二值模式算法的影响 18
5.1.1 分块提取LBP纹理特征 18
5.1.2 实验结果分析 19
5.2 LBP结合BEMD的多尺度特征提取 22 *好棒文|www.hbsrm.com +Q: #351916072#
5.2.1 LBP结合BEMD提取纹理特征 22
5.2.2 实验结果分析 22
5.3本章小结 23
第六章 实验研究 24
6.1 实验介绍 24
6.2 实验核心代码展示 25
第七章 总结与展望 28
7.1本文的主要工作和创新点 28
7.2进一步的工作和展望 28
参考文献 30
致谢 31
第一章 绪论
1.1课题研究背景及意义
对于纹理，有两种基本的解释。(1)纹理能够引起视觉感知。(2)纹理元件有相对固定的布局规则。这些规则看起来像是周期性的或随机的。上述不同原始形式和部署规则构成非常不同的纹理结构。这个文章的下一部分，使用各种各样的分析方法主要研究纹理分类。
纹理是重要的纹理分析和机器视觉的重要方面。纹理分类是用于确定特定纹理的分类的跟踪过程。首先，训练和测试样本需要选择一个特征。在锻炼阶段形成各种纹理。在识别阶段，分类器用于确定可识别标识符的类别，纹理分类的基础和关键是提取到图像的纹理特征。在分离尽可能多的不同文本类型时，有必要解压缩与纹理尽可能相似的特征。基于此，通过使用精确的分类器来实现分类的准确性。 通过对结构进行分类，我们可以获得有价值的信息。分类是信息检索和医学图像诊断的重要问题。
这篇论文研讨了LBP特征的提取算法在纹理图像辨认中的详细应用，经过一系列实验剖析了该办法的可行性，并改进了该方法的不足之处。
1.2课题的国内外研究现状
纹理是图像最明显的特征之一，也是越来越多科学家的研究方向，至今，这种方向也取得了一些突破性的结果。纹理特征的提取大致可以用为结构分析，频域分析，统计分析和模型来完成。国内外的很多技术人员都获得了成功。
1966年，Brodaz开发了Brodatz纹理库。 这种库使得研究者可以直接在纹理库中选择图片。
20世纪 70年代，越来越多的人开始进行纹理特征的研究。但是由于高计算量和纹理的空间信息描述不足，该算法很少出现在后续工作中。1973年，Haralick等人建议图像的纹理特征从并行表达矩阵导出的十个参数表示，以描述图像的纹理信息。
20世纪80年代，随着纹理分析越来越广泛的应用，科学家们开始对纹理分析进行建模处理。
20世纪90年代，研究者们发现无法从多维度有效地描述纹理特性。伴随着波浪理论的出现，时频的多维分析框架变得更加的精确连贯。因此也提出了一种基于Gabor的算法。Gabor滤波方法容易被检测到并且更符合人们的视觉要求，在图像纹理分析中扮演着越来越重要的角色。
这些年，Ojala等人研究提出的LBP 算法(Local Binary Pattern, 局部进制模式)被越来越多的人采用 ,这种方法的计算复杂度小，并且具有旋转不变性和标准不变性，因而在图像的纹理特征识别中得到了越来越广泛的应用。
1.3主要的研究工作
本次研究的目的是基于LBP算法提取图像的纹理特征，改进原始的算法，设计方案对图像的纹理进行分类并在多组图像上进行比较，从而证明改进算法具有更高的效果和速度。在分类算法中，把一些不同的分类方法进行比较，从而找到最适合的分类算法，并且针对LBP算子提取的一些特点，分析缺点，在保留原本优点的基础上，克服不足，进一步设计和改进LBP算法。
本文主要进行了以下工作:
1.参考有关模式识别，纹理图像分类识别等的相关文献资料，学习了解相关技术和理论知识，掌握目前国内外的研究现状。
2.了解本次实验对社会人文和法律的作用。
3.介绍了本次实验主要的开发工具，介绍了原因和优势。
4.研究与纹理有关的知识点。 总结了现有的纹理分析的办法，用于纹理特色识别的详细应用，并仔细说明了各种识别方法和使用的优缺点。着重对比了Gabor变换提取特征纹理和LBP提取特征纹理，在此基础上决定本次试验所使用的算法。
5.这个系统验证了LBP算法的实用性，选择了有效的分类方法。对于LBP算法在纹理图像识别中的应用所存在的直方图维数高，存在多个故障的冗余信息，识别能力差等的问题，为了提高检测率，我们提出了一种基于改进的LBP算子块的纹理图像，并且该属性提取了每个仓的适当权重，以提高统计直方图分布的纹理直方图分布率。 并且采用了LBP和BEMD相结合的方法以达到在不同尺度下对宣纸的纹理进行准确的特征识别分析。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/210.html
