资料下载
结合LoG边缘检测和ELPQ的模糊图像识别算法
分享资料个
针对原始的局部相位量化（ Local phaseα quantization，LPQ算法对具有模糊不变性的相位特征描述不准确、缺少对图像重要细节信息描述的缺点，提岀了一种结合高斯拉普拉斯（ Laplace of gaussian，LoG边缘检测和增强局部相位量化（Enhanced Local Phase Quantization，ELPQ的模糊图像识别算法，记为 MRELPQ& MSLOG（ Multi-- resolution ELPQ and Multi-scaleLoG）。首先，在频域中，将图像进行短时傅里叶变换后得到的实部与虚部进行正负量化和幅值量化，得到互补的符号特征ELPQ S和幅值特征ELPQ_M;其次，在空间域中，利用多尺度高斯拉普拉斯与图像进行卷积得到图像空间域的边缘特征;最后，将频域上的符号特征巸LPQS和幅值特征 ELPQ M与空间域上的边缘特征结合，生成最终的特征直方图，采用SVM进行识别。在有模糊干扰的 Brodatz和KTH-TIPS纹理库中，文中提出的ELPQ算法相比原始的LPQ算法有较大的性能提升，且空间域和频域结合的 MRELPQ& MSLOG算法能进一步提高算法的识别性能;在具有模糊的AR、 Extend Yale b人脸库和实际拍摄的铁路扣件库中，将 MRELPQ& MSLOG算法与目前模糊鲁棒性较妤的算法进行对比发现， MRELPQ& MSLOG算法保持着较髙的识别率。实验结果表明， MRELPQ& MSLOG算法对模糊具有较强的鲁棒性，且特征提取时间较短，具有实时性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
