机器学习——LBP特征
十一、LBP特征
原始:以中心为阈值,相邻8个像素的灰度值与其进行比较
- 若周围像素值大于等于中心,标记为1
- 若小于中心,标记为0
- 周围八个点产生8位二进制数就为LBP值,(0,255)
圆形化改进:
为了能够适应更多范围,改为半径位r的圆
由于这样会导致坐标可能不是整数
- 所以通过双线性插值法得到该采样点的坐标
LBP等价模式
- 对于P个采样点的LBP算子会产生2的P次方种模式,为了解决二进制模式过多的问题,需要通过等价模式(0-2次转跳)进行降维
- 00000000(0次跳变),00000111(只含一次从0到1的跳变),10001111(先由1跳到0,再由0跳到1,共两次跳变)都是等价模式类, 除等价模式类以外的模式都归为另一类,称为混合模式类,例如10010111(共四次跳变)
- 这样由原来的2的P次方减少为P(P-1)+2种
- 混合模式的编码为0
检测原理
- 一般用LBP特征谱的统计直方图作为特征向量用于分类识别
- 如果对于100×100像素图片,划分为10×10的子区域,也就有10×10个统计直方图
- 通过相似性度量函数度量两幅图之间的相似性
MB—LBP特征
- 小区域的灰度平均值作为小区域的灰度值
- 与周围小区域灰度进行比较形成LBP特征
LBPH——图像的LBP特征向量
- 计算图像的LBP特征图像
- 计算每块区域特征图像的直方图cell_LBPH,将直方图进行归一化
- 将每块区域的直方图按空间顺序依次排列成一行,形成LBP特征向量
- 对LBP特征向量进行训练从而检测和表示目标
在获取每一个小块(cell)后,对其进行直方图统计后,再进行归一化处理,最后将所有小块的直方图拼接在一起作为本图片的特征数据
机器学习——LBP特征相关推荐
- 【机器学习】改善LBP特征提高SVM的可分性的经验总结(二)
1.直方图均衡后,效果变差 equalizeHist(testImg, testImg); //直方图均衡 imshow("直方图均衡后", testImg); 结论:由于直方图均 ...
- 【机器学习】改善LBP特征提高SVM的可分性的经验总结(一)
1.等价模式LBP的最初效果 正样本2343,负样本5883,直接计算等价模式LBP特征图,再使用SVM训练一个分类器. CvTermCriteria criteria = cvTermCriteri ...
- 【机器学习】LBP特征融合最大灰度差、平均灰度、平均梯度改善SVM检测效果
把正负样本12×30内的averageGray.maxPixelDiff,添加到LBPFeature后:再把梯度Mat(size(12,30))展开成一行添加到LBPFeature后.组成新的samp ...
- 【机器学习】特征工程概述
特征工程 "数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已." 1.概念 维基百科:特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过 ...
- 图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 什么叫特征检测?就是检测图像中目标的特征呗,所谓 ...
- LBP特征学习(附python实现)
LBP特征学习(附python实现) LBP的全称是Local Binary Pattern即局部二值模式,是局部信息提取中的一种方法,它具有旋转不变性和灰度不变性等显著的优点.在人脸识别领域有很多案 ...
- LBP特征的理论介绍
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子:它具有旋转不变性和灰度不变性等显著的优点.它是首先由T. Ojala, M.Pietikäinen ...
- 图像的全局特征--LBP特征
原文链接:http://blog.csdn.net/zouxy09/article/details/7929531#comments 这个特征或许对三维图像特征提取有很大作用.文章有修改,如有疑问,请 ...
- 提取lbp特征java代码_LBP特征提取原理及代码实现
老规矩,先上背景,算是表示对LBP算法提出者的一种尊敬(其实,是为了装...kkk,大家都懂ha). 一.LBP背景: LBP(Local Binary Pattern,局部二值模式)是一种用来描述图 ...
- 提取lbp特征java代码_目标检测的图像特征提取之_LBP特征
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子:它具有旋转不变性和灰度不变性等显著的优点.它是首先由T. Ojala, M.Pietikäinen ...
最新文章
- 使用BCH彩色币方案发行Token已实现
- cocos2dx 引入 libpomelo库
- c-nominated = ((rcheck-use_candidate) || c-nominated);
- 性能优化18招提速宝典
- libncurses.so.5 is needed by unixODBC_值得一看的全息网游 ——生存游戏by那时烟花
- element走马灯自动_Element Carousel 走马灯的具体实现
- 分别使用 XHR、jQuery 和 Fetch 实现 AJAX
- CCIE-LAB-第八篇-OSPF前缀压制+MTU+路由汇总
- Castle ActiveRecord学习实践(2):构建配置信息
- 推荐几个 Go 测试工具和技巧让你在虎年如虎添翼
- Python安装GDAL库的问题
- 前端开发那些不常见但十分有效的小玩意
- 仿写京东商品详情页面
- GB-T 15834-2011《标点符号用法》文档的格式问题
- 读完本文你就了解什么是文本分析
- USB充电限流芯片,5V输入,输出5V,6V触发关闭
- 集成calibre到cadence virtuoso环境中 load: can‘t access file - “/opt/eda/Mentor/lib/calibre.skl“
- weex请求方法stream 的封装
- 数值分析18 - 通过直接方法得到函数积分近似 数值方法(左、右、中、梯形矩形积分公式、Simpson积分公式)
- 字节跳动 2023 校园招聘火热开启!