LBP
来源:互联网 发布:excel2007数据分析库 编辑:程序博客网 时间:2024/05/17 22:17
LBP(Local BinaryPattern,局部二值模式)是一种用来描述图像局部纹理特征的算子。
原始的LBP算子
原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0。这样,3*3邻域内的8个点经比较可产生8位二进制数(通常转换为十进制数即LBP码,共256种),即得到该窗口中心像素点的LBP值,并用这个值来反映该区域的纹理信息。如下图所示:
LBP的改进版本:
圆形LBP算子
为了适应不同尺寸和频率纹理的纹理特征,将 3×3邻域扩展到任意邻域,并用圆形邻域代替了正方形邻域,从而得到了诸如半径为R的圆形区域内含有P个采样点的LBP算子LBP旋转不变模式
Maenpaa等人又将 LBP算子进行了扩展,提出了具有旋转不变性的 LBP 算子,即不断旋转圆形邻域得到一系列初始定义的 LBP值,取其最小值作为该邻域的 LBP 值。
LBP等价模式
一个LBP算子可以产生不同的二进制模式,对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生P2种模式。二进制模式的种类是急剧增加的,过多的模式种类对于纹理的表达是不利的, LBP模式的统计直方图过于稀疏。因此,需要对原始的LBP模式进行降维,使得数据量减少的情况下能最好的代表图像的信息。
为了解决二进制模式过多的问题,提高统计性,Ojala提出了采用一种“等价模式”(Uniform Pattern)来对LBP算子的模式种类进行降维,(标注:这一部分存在疑问)
另外,旋转不变和等价模式还可以结合起来,形成旋转不变的等价模式,从而使得LBP模式种类大大的减少;
LBP的使用
LBP算子在每个像素点都可以得到一个LBP“编码”, 对一幅图像(记录的是每个像素点的灰度值)提取其原始的LBP算子之后,得到的原始LBP特征依然是“一幅图片”(记录的是每个像素点的LBP值),称为“LBP图谱”。
LBP的应用中,如纹理分类、人脸分析等,一般都不将LBP图谱作为特征向量用于分类识别,而是采用LBP特征谱的统计直方图作为特征向量用于分类识别。
从上面的分析我们可以看出,LBP“编码”跟位置信息是紧密相关的。直接对两幅图片提取LBP图谱,并进行判别分析的话,会因为“位置没有对准”而产生很大的误差。后来,研究人员发现,可以将一幅图片划分为若干的子区域,对每个子区域内的每个像素点都提取LBP特征,然后,在每个子区域内建立LBP特征的统计直方图。如此一来,每个子区域,就可以用一个统计直方图来进行描述;整个图片就由若干个统计直方图组成;
LBP直方图之间的非参数统计测定
主要方法有3种:
Log概率统计(对于大样本的情况)
直方图相交(对于小样本的情况)
概率统计(对于小样本的情况)
实验表明概率统计的性能优于直方图相交,但直方图相交具有计算量小的优点。
具体的计算公式参见:黄非非,基于 LBP 的人脸识别研究,重庆大学硕士学位论文,2.4章节
- lbp-
- lbp
- LBP
- LBP
- LBP
- LBP
- LBP
- LBP
- LBP
- LBP
- LBP
- lbp
- LBP
- LBP
- LBP
- lbp
- lbp
- LBP
- MySQL刚安装完只认得的主机是:localhost和127.0.0.1
- led驱动_自动创建设备节点
- LeetCode OJ算法题(五):Longest Palindromic Substring
- C++经典问答 inline 函数
- VisionEngine 游戏对象 中 组介绍引言
- LBP
- leetcode 10 Linked List Cycle II
- [LeetCode]—Word Ladder 单词递推
- 批量修改文件名及内容
- GPIO端口
- SVN 提交操作缩写(A D M R)
- 介休房产
- About Computer (二)
- python核心编程2参考答案(第二章)