摘要：为解决LDP算子运算速度较慢、对于有些模式无法精确区分等问题，提出局部方向三值模式纹理描述子。采用自适应阈值，对像素8个方向边缘响应进行三值编码，提取并统计正边缘模式和负边缘模式，联合起来构成局部方向三值模式，作为最终特征来描述图像。在Brodatz数据集和CUReT数据集上将该模式与传统的LBP、LDP、FLDP、LTP算法进行对比实验，对比结果表明，与LDP算法相比，该模式在上述两个数据集上的分类准确率分别提高了5．42％和8．43％，运算速度提高了8倍以上；与LBP、FLDP、FTP相比，该模式也有明显优势。

摘要：针对传统的基于纹理特征的跟踪算法采用统计直方图描述目标,表达不够精确且计算量较大的问题,提出一种基于多级量化的局部纹理特征的点对点的图像跟踪算法.首先定义了一种高维纹理特征,其对单个的点具有较强的描述能力;随后通过矢量运算进行点对点匹配,根据匹配得出的点集的空间位置,利用均值漂移矢量实现初步定位;最后通过连续缩放窗口比例,同时使用颜色信息验证候选窗口与原始窗口的相似度,确定目标的位置和尺度.实验结果表明,该算法在场景复杂、噪声较大的环境中仍能准确地搜索到目标;在目标尺度变化时也具有较强的鲁棒性.