基于LBP算子的路面类型识别研究

不同的路面类型会对车辆的制动、加速、变道等决策产生不同影响,因此实时获取路面类型信息对于提高智能汽车的安全性、舒适性等有着重要意义。论文提出一种基于LBP算子的路面类型识别方法,首先采集了四种车辆行驶常见路面的图像信息,并对图像进行了增广处理;然后使用LBP算子提取出路面图像的纹理特征,再采用PCA方式对纹理特征进行降维;最后通过分类器对数据进行训练与分类。实验结果表明该方法的最高分类准确率可以达到98.5%,有效提升了当前路面类型识别的精度。     

基于CUDA的快速LBP纹理背景建模算法

针对复杂条件下背景建模这一视频检测领域的难点,提出一种基于Nvidia CUDA架构图形处理器(GPU)的快速LBP纹理直方图背景建模算法,算法根据GPU的并发结构和硬件特点,采用纹理存储和分页存储方式,利用共享内存与多点访问技术,提高数据访问效率,降低了算法复杂度.实验结果表明,相比CPU实现,GPU方式能够明显改善实时性能,平均加速比在30x左右,帧处理速度达到40 f/s以上.     

基于局部纹理统计模型的纹理图像检索

提出了局部纹理统计模型与改进的Log-likelihood统计相结合的纹理图像检索方法。首先设计了3种不同角度分辨率和空间分辨率的＂Uniform＂模式的局部二值模式,并且用其来提取图像特征,然后建立图像局部二值模式和局部方差的联合统计模型,最后用改进的Log-likelihood统计进行图像检索。提出的基于局部纹理统计模型的纹理图像检索算法具有旋转不变性,克服了LBP算法对旋转比较敏感的缺点。通过对Brodatz图像库中50类600幅纹理图像进行仿真试验,新算法能得到89.71%的平均查准率,与基于Gabor小波＋WMV组合算法相比,新提出算法的查准率提高了19.05%。