全文总字数：2564字

1. 研究目的与意义及国内外研究现状

近年来,随着科技的高速发展,人们获取信息的途径己经由传统的数字、符号、文本等更多的转向图像这一包含大量信息的方式。大量研究表明,人类获取的信息中,听觉信息占,视觉信息占,其他如味觉、触觉、嗅觉加起来不过占。所以,作为传递信息的重要媒体和手段—图像信息是十分重要的。在医学、军事、商贸、学术等领域中,每一刻都会有大量的数字图像被采集使用。

目前大量数据的测量及存储己经不再成为问题,但是仅仅获取数据本身显然是不够的,提取产生这些数据的系统本身的信息才是根本目的所在。而且,通常所获得的原始数据的数据量相当大,且样本常处于一个高维空间中,如果直接用原始数据进行分类器设计的话,无论从计算的复杂程度还是分类器性能来看都是不适宜的。为了有效地实现分类识别,就要把原始数据映射或变换到低维空间,得到最能反映样本内在本质的特征,以便能更有效的进行分类,这个过程就叫做特征提取或者数据降维。特征提取或者数据降维的基本任务是如何从许多特征中找出那些最有效的特征。特征的提取能够直接影响到分类器的设计及性能,因此,特征提取是模式识别中的一个关键问题,在数据聚类、模式识别等领域有着广泛的应用算子的灰度尺度不随任何单一变换而变化,因此在光照条件下的鲁棒性较好。由于它可以通过在小邻域内进行比较操作得到,能够提高特征提取的速度。并且由于算子是一种无参数一的方法,在应用过程中不需要对它的分布进行预先假设,因此算子是目前最好的纹理描述子之一。

本文针对提取加密图像的lbp特征,根据此特征进行图像匹配,在保护图像内容的前提下实现图像检索分析并改进其在应用中的不足。同时,本课题研究对未来在此领域的研究具有重要的参考和借鉴意义。

2. 研究的基本内容

1.基于lbp的特征提取算法。lbp指局部二值模式（local binary patterns），是一种有效的纹理描述算子，能够度量和提取图像局部的纹理信息，对光照具有不变性。基于lbp及其改进算法设计特征提取算法，主要考虑再加密域中进行特征提取。

2.对特征提取及基于特征提取研究的现状,在分析总结当前基于lbp特征提取技术,吸收它们成功经验的基础上,研究了其特征提取的主要原理及过程,并研究其在加密域中基于lbp算法的特征提取。

3. 实施方案、进度安排及预期效果

1.锻炼编程能力，广泛阅读有关论文,研究现有的lbp算法的优势和缺点

（1月-2月）

2.针对加密图像 提出提取其lbp特征的方案,提出解决方案，完成实验，开始写论文，完成初稿。

4. 参考文献

[1]t. ojala, m. pietikainen, and t. maenpaa, 'multiresolution gray-scale and rotation invariant texture classification with local binary patterns,' pattern analysis and machine intelligence, ieee transactions on, vol. 24, pp. 971-987, 2002.

[2]t. ojala, m. pietikinen, and d. harwood, 'a comparative study of texture measures with classification based on featured distributions,' pattern recognition, vol. 29, pp. 51-59, 1996

[3]guo z, zhang l, zhang d. rotation invariant texture classification using lbp variance (lbpv) with global matching[j]. pattern recognition, 2010, 43(3):706-719.