基于LBP和稀疏表示的天际线检测算法研究

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (20): 158-162.

基于LBP和稀疏表示的天际线检测算法研究

涂兵1，2，3，潘建武1，2，3，张国云1，2，3，李朝辉1，3，李孝春1，3

1.湖南理工学院信息与通信工程学院，湖南岳阳 414006
2.湖南理工学院复杂系统优化与控制湖南省普通高等学校重点实验室，湖南岳阳 414006
3.湖南理工学院 IIP创新实验室，湖南岳阳 414006

出版日期:2016-10-15 发布日期:2016-10-14

Research on skyline detection algorithm based on LBP and sparse representation

TU Bing1，2，3, PAN Jianwu1，2，3, ZHANG Guoyun1，2，3, LI Chaohui1，3, LI Xiaochun1，3

1.School of Information and Communication Engineering, Hunan Institute of Science and Technology, Yueyang, Hunan 414006, China
2.Key Laboratory of Optimization and Control for Complex Systems, Hunan Institute of Science and Technology, Yueyang, Hunan 414006, China
3.Laboratory of Intelligent-Image Information Processing, Hunan Institute of Science and Technology, Yueyang, Hunan 414006, China

Online:2016-10-15 Published:2016-10-14

摘要/Abstract

摘要： 天际线的检测在视觉导航、地理位置标注中具有重要的作用。提出一种基于LBP（Local Binary Pattern）和稀疏表示融合算法用来检测输入图像中的天际线。首先对图像作灰度化处理，接着对训练样本图像天际线相邻像素点坐标建立3×3的特征提取区域，根据LBP特征统计直方图建立天际线LBP特征向量，得到字典；然后在测试样本上依次搜索3×3区域中的像素点，通过稀疏分解系数计算重构误差，根据重构误差阈值的设定判断此区域为天际线区域，从而得到此区域中的天际线坐标。提出的算法在内华达大学机器视觉实验室Web Set数据集上进行了测试，实验结果表明：提出的算法能有效地检测出输入图像中的天际线像素点坐标，具有较好的有效性和时效性。

关键词: 视觉导航, 局部二值模式（LBP）, 稀疏分解, 重构误差

Abstract: The skyline detection plays an important role in visual navigation and geographical location annotation. In this paper, an algorithm based on LBP and sparse representation is proposed to detect the skyline in the input images. Firstly, the image is processed with gray scale. And then, the 3×3 feature extraction region is established for the adjacent element coordinates of the skyline in the training sample images. According to the LBP statistical histogram, the LBP feature vector of skyline is established to get the dictionary. Finally, it searches the pixel points of the 3×3 region in the training samples. The reconstruction error is calculated through spare decomposition coefficient. And the skyline region is recognized by setting the threshold of reconstruction error. According to the coordinates of skyline in the training samples, the corresponding skyline coordinates are obtained in this skyline region. The proposed algorithm is tested on the Web Set in University of Nevada’s Machine Vision Laboratory. And the experimental results show that the algorithm can detect the skyline pixel coordinates effectively in the input images, which has good validity and timeliness.

Key words: visual navigation, Local Binary Pattern（LBP）, sparse decomposition, reconstruction error

涂兵1，2，3，潘建武1，2，3，张国云1，2，3，李朝辉1，3，李孝春1，3. 基于LBP和稀疏表示的天际线检测算法研究[J]. 计算机工程与应用, 2016, 52(20): 158-162.

TU Bing1，2，3, PAN Jianwu1，2，3, ZHANG Guoyun1，2，3, LI Chaohui1，3, LI Xiaochun1，3. Research on skyline detection algorithm based on LBP and sparse representation[J]. Computer Engineering and Applications, 2016, 52(20): 158-162.

[1]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[2]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[3]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[4]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[5]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[6]	韩习习，魏民，徐西义，李巧月，陈曦，祝汉城. 基于多特征融合的交通标志识别算法[J]. 计算机工程与应用, 2019, 55(18): 195-200.
[7]	董俊兰，张灵，陈云华. 自适应加权融合显著性结构张量和LBP的表情识别[J]. 计算机工程与应用, 2019, 55(17): 185-190.
[8]	苏健民，杨岚心. 基于生成对抗网络的单帧遥感图像超分辨率[J]. 计算机工程与应用, 2019, 55(12): 202-207.
[9]	孙凯，谢林柏. 结合W4算法和LBP模型的运动目标检测方法[J]. 计算机工程与应用, 2017, 53(5): 187-191.
[10]	戈侠，于凤芹，陈莹. 基于分块自适应融合特征的交通标志识别[J]. 计算机工程与应用, 2017, 53(3): 188-192.
[11]	李超1，彭进业1，2，孔韦韦3，张善文3. 基于局部二值模式的作物叶部病斑检测[J]. 计算机工程与应用, 2017, 53(24): 233-237.
[12]	吴清佳. EVP描述符在实时人脸识别中的应用[J]. 计算机工程与应用, 2016, 52(8): 130-134.
[13]	李惠光，李金超，李国友，姜洪磊，刘长印. 双向型单目视觉自动导引车路径识别及测量[J]. 计算机工程与应用, 2015, 51(8): 260-265.
[14]	韩越祥1，李赵国1，郑哲2，张尕琳3. 基于核典型相关分析的多特征组合人脸识别[J]. 计算机工程与应用, 2015, 51(23): 179-183.
[15]	杨明，陈玲玲. OMP信号稀疏分解的改进ACFOA实现[J]. 计算机工程与应用, 2015, 51(20): 208-212.