CAJ | 학술논문

为了提高分类检索和识别的准确率，提出了分层纹理特征和梯度特征融合的方法，即分层中心对称局部二值模式（CS-LBP）和梯度方向直方图（HOG）的特征融合方法。首先，对原始图像进行多次 CS-LBP 特征的提取，得到3层不同的特征图像；然后对特征图像进行大小相等、不重叠分块，分别提取每块 CS-LBP 特征和HOG特征，形成每一层的特征；再将特征图像的特征进行融合。分别在标准图像库和人脸库上进行仿真，研究结果表明：提出的分层融合方法的分类查准率和识别率比传统方法分别提高了15％和10％。
위료제고분류검색화식별적준학솔，제출료분층문리특정화제도특정융합적방법，즉분층중심대칭국부이치모식（CS-LBP）화제도방향직방도（HOG）적특정융합방법。수선，대원시도상진행다차 CS-LBP 특정적제취，득도3층불동적특정도상；연후대특정도상진행대소상등、불중첩분괴，분별제취매괴 CS-LBP 특정화HOG특정，형성매일층적특정；재장특정도상적특정진행융합。분별재표준도상고화인검고상진행방진，연구결과표명：제출적분층융합방법적분류사준솔화식별솔비전통방법분별제고료15％화10％。