纹理特征LBP(local binary pattern,局部二值模式)
来源:互联网 发布:天津外国语大学 知乎 编辑:程序博客网 时间:2024/05/01 16:09
一、纹理特征LBP
原始的LBP算子(local binary pattern,局部二值模式)定义在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.
3*3领域内的8个点可以产生8Bit的无符号数,即得到该窗口的LBP值,并用这个值来反映该区域的纹理信息。
LBP纹理特征向量,一般以图像的分块LBP直方图表示,具体计算步骤如下:
1、将图像划分为N*N的图像子块,计算每个块每个像素的LBP值
2、对每个子块进行直方图统计,得N*N图像子块的直方图
3、利用N*N个子块的直方图,描述该图像的纹理特征。
二、LBP的提升版本
基本的LBP算子的最大缺陷在于它只覆盖了一个固定半径范围内的小区域,这显然不能满足不同尺寸和频率纹理的需要。为了适应不同尺度的纹理特征,并达到灰度和旋转不变性的要求,Ojala等对 LBP 算子进行了改进,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,改进后的 LBP 算子允许在半径为 R 的圆形邻域内有任意多个像素点。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。
三、LBP的亮度变化鲁棒性以及灰度尺度不变
窗口的9个像素的灰度值出现了亮度的非线性变换或者线性变换,只要中心像素的灰度值与8邻域内像素的灰度值的大小关系不变。
旋转不变模式LBP能够在图片发生一定的倾斜时也能得到相同的结果
下面我们以一个P=8,R=1.0的圆形窗口作为例子,讲解LBP算子的旋转不变性。令中心点的灰度值为gc,8邻域内的8个像素灰度值分别为gi={g0,g1,…,g7},当图像发生旋转时,圆形邻域内的灰度值gi是在以gc为中心R为半径的圆周上运动的。
我们可以发现,只要我们取上述枚举出来的值的最小值,就可以消除旋转带来的影响。例如我们得到一个二进制的LBP值10000011(也就是原图逆时针旋转45度),然后不断对这个二进制进行向右循环移位(加上它本身,总共有8种取值可能),之后取最小结果就是该窗口的LBP值。结果分析看下图。共36种
五、uniform LBP
均匀模式就是一个二进制序列从0到1或是从1到0的变过不超过2次(这个二进制序列首尾相连)。比如:10100000的变化次数为3次所以不是一个uniform pattern。所有的8位二进制数中共有58(变化次数为0的有2种,变化次数为1的有0种,变化次数为2的有56种)个uniform pattern.为什么要提出这么个uniform LBP呢,因为研究者发现他们计算出来的大部分值都在这58种之中,可达到90%以上,所以他们把值分为59类,58个uniform pattern为一类,其它的所有值为第59类。59=(2+0+56)+1,这样直方图从原来的256维变成59维。起到了降维的作用。
六、旋转不变的uniform LBP
5 0
- 纹理特征LBP(local binary pattern,局部二值模式)
- LBP(Local Binary Pattern,局部二值模式)
- LBP (local binary mode)局部二值模式 纹理描述
- LBP Local Binary Pattern 局部二值模式 资料整理
- 局部二值模式LBP(Local Binary Pattern)实现代码
- 局部二值模式LBP(Local Binary Pattern)实现代码
- 关于LBP(Local Binary Pattern)特征
- LBP(Local Binary Pattern)特征
- 局部二值模式(Local Binary Patterns)进行纹理分类
- 关于LBP(Local Binary Pattern)特征<二> 几种变种
- 局部二值模式(Local Binary Patterns)纹理灰度与旋转不变性
- LBP(局部二值模式)特征提取原理
- LBP(Local Binary Patterns)局部二进制模式
- LBP(local binary pattern)
- LBP 局部纹理特征(一)
- [转]LBP笔记(Local Binary Pattern)
- 图像特征之LBP 局部二值模式
- 【计算机视觉】纹理特征之LBP局部二值化模式
- OSX PHP添加intl支持
- 解决虚拟机上的tomcat无法被主机访问的问题
- Dockerfile最佳实践(一)
- Python和shell中Base64编码使用那些事
- 工厂模式(三)--抽象工厂模式
- 纹理特征LBP(local binary pattern,局部二值模式)
- SSH框架从底层数据库到jsp页面响应流程及注意事项
- 一个简单的智能指针的实现
- 字符串函数
- 将url或者字符串转换成MD5格式(md5加密算法)的写法
- Swift 2.2 基础语法
- Problem C
- kafka_2.9.2-0.8.1.1安装、测试、集群
- MONGODB范围查询