-
公开(公告)号：CN109271997A
公开(公告)日：2019-01-25
申请号：CN201810987350.X
申请日：2018-08-28
Applicant: 河南科技大学
Abstract: 一种基于跳跃细分局部模式的图像纹理分类方法，首先通过二阶差分计数特征和对角差分计数特征提取跳跃性局部差分计数特征(JLDCP)信息，然后通过细分化完整局部二值特征中的符号信息和大小信息提取细分化完整局部二值特征(RCLBP)，最后，通过连接跳跃性局部差分计数特征(JLDCP)和细分化完整局部二值特征(RCLBP)，得到跳跃性和细分化局部模式的纹理的描述符(JRLP)。本发明有益效果：本发明对图像噪声，旋转，尺度和光照变化等具有鲁棒性。
-
公开(公告)号：CN110348458A
公开(公告)日：2019-10-18
申请号：CN201910568093.0
申请日：2019-06-27
Applicant: 河南科技大学
Abstract: 一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：首先通过计算局部方向差分计数模式-奇数位置DLDCP-OP和局部方向差分计数模式-偶数位置DLDCP-EP，组成局部方向差分计数模式直方图VDLDCP；其次提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。本发明有效的捕获了图像纹理的方向信息和像素强度信息，通过连接局部方向差分计数模式和邻域极值局部模式，得到基于方向极值化局部模式的图像纹理分类方法。
-
Patent Agency Ranking
公开(公告)号：CN108564095A
公开(公告)日：2018-09-21
申请号：CN201810379373.2
申请日：2018-04-25
Applicant: 河南科技大学
Abstract: 一种基于对比度局部二值模式的图像纹理分类方法，包括以下步骤：提取图像的符号特征；提取图像的对比度差分能量特征；提取图像的中心像素特征；将提取的图像的符号特征、对比度差分能量特征以及中心像素特征进行整合，获得图像的符号能量中心像素直方图特征，并建立直方图；利用卡方距离和最近邻分类器对直方图进行分类。本发明有益效果：本发明提高了特征提取、分类的正确率。
-
公开(公告)号：CN107862335A
公开(公告)日：2018-03-30
申请号：CN201711084549.3
申请日：2017-11-07
Applicant: 河南科技大学
CPC classification number: G06K9/6271 , G06K9/4642
Abstract: 一种基于多尺度反馈度量学习的纹理图像分类方法，涉及模式识别与图像处理技术领域，包括以下步骤：使用轮廓波变换对训练纹理图像和测试纹理图像进行处理，得到训练纹理图像和测试纹理图像的轮廓波子带；由轮廓波子带中提取相异增量生成直方图特征；通过建立模型学习求出纹理图像类距离定义中子带距离的权重W并通过循环不断修正W，利用W计算剩余测试纹理图像与每个类别训练样本的距离从而实现分类。本发明有益效果：解决了目前图像纹理表示和分类中轮廓波子带的不平衡导致的纹理分类正确率较低的问题，具有分类精确性高、稳健性强等特点，具有很高的实际应用价值。
-
公开(公告)号：CN110348458B
公开(公告)日：2022-09-30
申请号：CN201910568093.0
申请日：2019-06-27
Applicant: 河南科技大学
IPC: G06V10/50 , G06V10/764
Abstract: 一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：首先通过计算局部方向差分计数模式‑奇数位置DLDCP‑OP和局部方向差分计数模式‑偶数位置DLDCP‑EP，组成局部方向差分计数模式直方图VDLDCP；其次提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。本发明有效的捕获了图像纹理的方向信息和像素强度信息，通过连接局部方向差分计数模式和邻域极值局部模式，得到基于方向极值化局部模式的图像纹理分类方法。
-
公开(公告)号：CN109271997B
公开(公告)日：2022-01-28
申请号：CN201810987350.X
申请日：2018-08-28
Applicant: 河南科技大学
IPC: G06V10/44 , G06V10/50 , G06V10/30 , G06K9/62 , G06V10/764
Abstract: 一种基于跳跃细分局部模式的图像纹理分类方法，首先通过二阶差分计数特征和对角差分计数特征提取跳跃性局部差分计数特征(JLDCP)信息，然后通过细分化完整局部二值特征中的符号信息和大小信息提取细分化完整局部二值特征(RCLBP)，最后，通过连接跳跃性局部差分计数特征(JLDCP)和细分化完整局部二值特征(RCLBP)，得到跳跃性和细分化局部模式的纹理的描述符(JRLP)。本发明有益效果：本发明对图像噪声，旋转，尺度和光照变化等具有鲁棒性。
-
公开(公告)号：CN107862335B
公开(公告)日：2021-06-01
申请号：CN201711084549.3
申请日：2017-11-07
Applicant: 河南科技大学
Abstract: 一种基于多尺度反馈度量学习的纹理图像分类方法，涉及模式识别与图像处理技术领域，包括以下步骤：使用轮廓波变换对训练纹理图像和测试纹理图像进行处理，得到训练纹理图像和测试纹理图像的轮廓波子带；由轮廓波子带中提取相异增量生成直方图特征；通过建立模型学习求出纹理图像类距离定义中子带距离的权重W并通过循环不断修正W，利用W计算剩余测试纹理图像与每个类别训练样本的距离从而实现分类。本发明有益效果：解决了目前图像纹理表示和分类中轮廓波子带的不平衡导致的纹理分类正确率较低的问题，具有分类精确性高、稳健性强等特点，具有很高的实际应用价值。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
