基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法.首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像.为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图.然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码.最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征.在公开的3个纹理数据库(Outex,Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度.
推荐文章
结合金字塔和局部二值模式的遥感图像分类
遥感图像
局部二值模式
空间金字塔
特征融合
支持向量机
图像分类
基于增强方向局部二值模式的纹理分类
局部二值模式
中心对称局部二值模式
方向局部二值模式
纹理分类
基于局部金字塔描述算子的杂草种子识别
种子识别
分类
多分辨率金字塔
编码技术
描述算子
识别率
基于AdaBoost局部二值模式特征的色织物纹理分类
AdaBoost算法
局部二值模式
色织物
ROC曲线
纹理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法
来源期刊 电子与信息学报 学科 工学
关键词 纹理分类 特征提取 局部二值模式 金字塔分解
年,卷(期) 2018,(6) 所属期刊栏目 论文
研究方向 页码范围 1301-1308
页数 8页 分类号 TP391
字数 6650字 语种 中文
DOI 10.11999/JEIT170884
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张天骐 重庆邮电大学信号与信息处理重庆市重点实验室 263 1256 15.0 20.0
2 宋铁成 重庆邮电大学信号与信息处理重庆市重点实验室 4 6 2.0 2.0
3 张刚 重庆邮电大学信号与信息处理重庆市重点实验室 96 368 10.0 15.0
4 罗忠涛 重庆邮电大学信号与信息处理重庆市重点实验室 12 30 3.0 4.0
5 罗林 重庆邮电大学信号与信息处理重庆市重点实验室 3 41 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (3)
参考文献  (19)
节点文献
引证文献  (3)
同被引文献  (33)
二级引证文献  (4)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(10)
  • 参考文献(2)
  • 二级参考文献(8)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(5)
  • 参考文献(0)
  • 二级参考文献(5)
2017(8)
  • 参考文献(7)
  • 二级参考文献(1)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(4)
  • 引证文献(3)
  • 二级引证文献(1)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
纹理分类
特征提取
局部二值模式
金字塔分解
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子与信息学报
月刊
1009-5896
11-4494/TN
大16开
北京市北四环西路19号
2-179
1979
chi
出版文献量(篇)
9870
总下载数(次)
11
总被引数(次)
95911
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导