局部边缘模式及其应用

纹理信息是图像的重要特征之一，而局部纹理模式是一类重要且有效的纹理特征提取方法，可以广泛应用于图像识别与分类、目标跟踪、图像检索等实际工程任务，具有重要的科学意义和实用价值。本书重点研究局部纹理模式，并在此基础上，提出一系列算法。本书可供从事纹理分析和图像处理的科研人员参考，也可供高等院校相关专业的高年级本科生和研究生学习。

第1章 基于完整局部二值模式旋转不变量和Zernike矩的相似纹理分类 1
1.1 研究背景 1
1.2 原始LBP纹理模型 3
1.2.1 基本LBP纹理模型 3
1.2.2 均匀一致性的LBP 4
1.3 完整LBP和Zernike矩模型 6
1.3.1 完整的旋转不变LBP模型 6
1.3.2 旋转不变Zernike矩模型 9
1.3.3 融合特征的构建和修正 10
1.3.4 分类器和多尺度融合思想 11
1.4 实验结果与分析 11
1.4.1 数据库 11
1.4.2 均匀一致性LBP模式的可行性验证 12
1.4.3 CUReT数据库实验结果 13
1.4.4 Outex数据库实验结果 15
1.4.5 KTH-TIPS数据库实验结果 17
1.5 本章小结 19
参考文献 19
第2章 基于可变局部边缘模式的相似纹理分类 23
2.1 研究背景 23
2.2 VLEP描述子 26
2.2.1 基本VLEP描述子 26
2.2.2 扩展VLEP描述子 28
2.3 基于VLEP的纹理分类方法 31
2.3.1 边缘或非边缘特征提取 31
2.3.2 边缘或非边缘特征细分 32
2.3.3 融合思想 33
2.3.4 算法流程 34
2.4 实验结果与分析 34
2.4.1 数据库 35
2.4.2 CUReT数据库实验结果 36
2.4.3 Outex数据库实验结果 37
2.5 本章小结 39
参考文献 39
第3章 基于可变局部边缘模式的边缘检测 43
3.1 研究背景 43
3.2 边缘检测方法 43
3.2.1 高斯滤波 44
3.2.2 边缘检测 44
3.2.3 加权融合思想 45
3.2.4 二值化处理 46
3.2.5 算法流程 46
3.3 实验结果与分析 47
3.4 本章小结 54
参考文献 54
第4章 基于可变局部边缘模式的普通绿色植物物种识别 57
4.1 基于小波变换与VLEP的绿色植物物种识别 57
4.1.1 研究背景 57
4.1.2 研究方法 58
4.1.3 实验结果与分析 62
4.2 基于主导学习框架与VLEP的绿色植物物种识别 66
4.2.1 研究背景 66
4.2.2 研究方法 67
4.2.3 实验结果与分析 70
4.3 本章小结 72
参考文献 73
第5章 基于完备局部二值模式与视觉显著性检测的绿色植物物种识别 76
5.1 研究背景 76
5.2 研究方法 77
5.2.1 视觉显著性检测 77
5.2.2 完备二值模式算法 77
5.2.3 HOG特征提取 78
5.3 实验结果与分析 79
5.3.1 绿色植物数据库 79
5.3.2 北京工商大学绿色植物数据库实验结果 80
5.3.3 单叶片绿色植物数据库实验结果 81
5.4 本章小结 81
参考文献 82
第6章 基于方形局部边缘模式的绿色植物物种识别 84
6.1 研究背景 84
6.2 研究方法 85
6.2.1 局部边缘模式 85
6.2.2 边缘特征提取 86
6.2.3 多尺度思想 87
6.2.4 阈值分析 88
6.2.5 最小距离分类器 89
6.2.6 算法流程 90
6.3 实验结果与分析 90
6.3.1 绿色植物物种数据库 91
6.3.2 局部边缘特征 91
6.3.3 阈值分析实例验证 99
6.3.4 实验结果 100
6.4 本章小结 101
参考文献 102
彩图