Aug, 2015

在大量控制的光照条件下评估颜色纹理描述符

PDF
TL;DR本文主要研究基于不同光线条件下的颜色纹理识别技术，通过对新旧特征及彩色规范化等方面进行广泛比较评估，研究不同的光照变化对纹理描述符的影响，得出在大范围成像条件下纹理描述符的鲁棒性。
color texture recognitionlighting conditionstexture featurescolor normalizationimaging conditions
发现论文，激发创造
  • 光照条件变化下的图像检索

    使用 U-Net 学习算法对白天和晚上图像进行照明规范化处理，解决了光照变化下的图像检索问题，并取得了良好的实验效果。

    Aug, 2019

  • 使用自然语言描述纹理

    本文研究了纹理的视觉属性及对不同模型的影响，发现现有的生成和判别模型不能很好地捕捉纹理的组成属性。我们以证据支持了此观点，并提供了可解释性的模型来生成基于语言的解释，以加深对纹理分类的理解。我们通过在 Caltech-UCSD 鸟类数据集上进行精细分类，证明了该数据集上所学习到的纹理属性相比专家设计的属性能够实现显著改进。

    Aug, 2020

  • 卷积神经网络提取基于强度的颜色不变特征于图像分类的能力

    本文探讨了卷积神经网络在图像分类任务中受背景信息和色彩影响的能力，并提出利用 dropout 正则化对模型进行轻微结构修改以增强颜色不变性特征的分类准确度的潜在解决方案。

    Jul, 2023

  • 一种基于灰度共生矩阵、局部二值模式和 K-means 聚类相结合的创新纹理数据库采集方法和特征提取方法

    本文提出了一种基于灰度差异矩阵和局部二值模式特征的特征表示和基于 K-means 聚类的图像采集算法，用于收集更高效的纹理图像数据库，并通过一些先进的纹理分类技术进行了性能评估。

    Mar, 2018

  • 充满挑战的光环境中的颜色识别：卷积神经网络方法

    基于卷积神经网络的颜色检测方法可以显著提高在不同光照条件下的稳健性，并且比现有方法表现更好。

    Feb, 2024

  • 利用深度卷积特征的组织学染色上下文归一化

    本研究提供了一种用于标准化组织学染色的完全自动化、端到端基于学习的设置，该设置考虑了组织的纹理上下文，并通过结合来自长短时记忆单元的门控元素的批量归一化框架来扩展特征感知归一化。为了实现优秀的标准化结果并确保颜色和纹理的一致表示，作者将预训练的深度神经网络作为特征提取器来引导像素处理管道，并使用颜色直方图偏差、结构相似性和颜色体积等指标对不同方法进行评估。

    Aug, 2017

  • 基于颜色纹理分析的人脸反欺诈

    通过颜色纹理分析的局部二值模式描述符的使用，来分析亮度和色度通道的结合颜色 - 纹理信息，提出了一种新的基于颜色纹理分析的人脸反欺诈方法，并在 CASIA 人脸反欺诈和 Replay-Attack 数据库上进行了广泛实验，表明其较现有技术具有更好的检测准确性。

    Nov, 2015

  • 基于数据驱动的肤色图像分析中的颜色增强技术

    提出了一种利用计算机色彩恒常性技术构建人工数据增强技术的方法，用于皮肤皮损分割和皮肤皮损分类的深度卷积神经网络训练中，以及在不使用任何外部皮肤图像集的情况下，在 ISIC 2017 挑战赛的背景下进行颜色归一化的方法。

    Mar, 2017

  • HPatches：手工和学习型局部描述符的基准测试和评估

    本研究提出了一种新的基准测试，旨在评估本地图像描述符，在引入了一个适合训练和测试现代描述符的新大型数据集的基础上，我们介绍了严格定义的评估协议，以便在不同应用场景中进行更现实和可靠的比较，我们评估了几种最先进的描述符的性能，并分析了其性质。

    Apr, 2017

  • 深度神经网络在纹理分类中的理论分析

    本文研究了使用深度神经网络对纹理特征重要的图像数据集进行分类的方法，并通过定义手工特征提取的 VC 维来证明手工特征提取是降低异常误差率的有效工具，同时得出了卷积神经网络、Dropout 网络和 Dropconnect 网络的 VC 维上限以及它们异常误差率的关系。此外，本文还利用内在维度概念验证了基于纹理的数据集比手写数字或其他目标识别数据集本质上更高维，因此更难以被神经网络粉碎，同时还从 n 维流形中计算出样本数据的相对对比度随向量空间维度趋于无限大而消失的规律。

    May, 2016