(九) LBP特征提取

LBP（局部二值模式）是一种用来描述图像局部纹理特征的算子，具有旋转不变性和灰度不变性等显著优点。

(1) 原始LBP

原始的LBP算子定义在一个3*3的窗口内，以窗口中心像素为阈值，与相邻的8个像素的灰度值比较，若周围的像素值大于中心像素值，则该位置被标记为1，否则标记为0.可以得到一个8位二进制，将这个值作为窗口中心像素点的LBP值，来反映这个3*3区域的纹理信息。LBP记录的是中心像素点与领域像素点之间的差值，所以当光照变化引起像素灰度值同增同减时，LBP变化并不明显，可以认为LBP对于光照变化不敏感，LBP检测的仅仅是图像的纹理信息，因此，进一步还可以将LBP做直方图统计，这个直方图可以用来作为纹理分析的特征算子。

数学公式：

其中，p表示3*3窗口中除中心像素点外的第p个像素点，I（c）表示中心像素点的灰度值，I(p)表示领域内第p个像素点的灰度值。

(2) 圆形LBP

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，将3*3领域扩展到任意领域，并用圆形领域代替正方形领域，改进后的LBP算子在半径为R的圆形领域内有任意多个像素点。假设半径为R的圆形区域内含有P个采样点的LBP算子：

p=16，R=2时，圆形边界上的点可能不是整数或者正好落在某个格子内，可能位于交界处，可以使用双线性插值法来计算该点的像素值。

其中，p表示圆形区域中总计P个采样点中的第p个采样点，I（c）表示中心像素的灰度值，I（p）表示圆形边界像素点中第p个点灰度值。总共有p个点在圆形边界上，点坐标计算：

(3) 旋转不变LBP

从原始LBP的定义来看，LBP算子是灰度不变的，但不是旋转不变的，图像旋转的话就会得到不同的LBP值。提出具有旋转不变性的LBP算子，即不断旋转圆形领域得到一系列初始定义的LBP值，取其最小值作为该领域的LBP值。

在于对LBP的结果进行二进制编码，并做循环位移，取所有结果中最小的那个值：

def value_rotation(num): value_list = np.zeros((8), np.uint8) temp = int(num) value_list[0] = temp for i in range(7): temp = ((temp << 1) | (temp / 128)) % 256 value_list[i+1] = temp return np.min(value_li

(4) 均匀模式LBP

对于半径为R的圆形区域内含有P个采样点，会有2P-1种模式。很显然，随着采样点数P的增加，二进制模式的种类是呈指数趋势增长的。尽可能少且具有代表性的特征，因此需要对LBP得到的二进制模式种类进行降维，使用更少的数据量来最好地表示图像的信息，这种降维的方法就是uniform LBP。限制一个二进制序列从0到1或1到0的跳变次数不超过2次。模式数量从原来的2P种减少为P(P-1)+2种，其中P表示领域集内的采样点数。

目的就是统计二进制数的跳变次数，跳变次数小于等于2，则各自代表一类，跳变次数大于2的所有情况归为一类。

(5) 均匀模式+旋转不变模式LBP

先计算跳变次数：

跳变次数小于等于2，则各自代表一类，跳变次数大于2的所有情况归为一类。得到的结果设为LBPuniP,R，再对其二进制编码做循环移位，求出最小值。

(九) LBP特征提取相关推荐

pythonlbp纹理提取_Python + OpenCV 实现LBP特征提取的示例代码
背景看了些许的纹理特征提取的paper,想自己实现其中部分算法,看看特征提取之后的效果是怎样运行环境 Mac OS Python3.0 Anaconda3(集成了很多包,浏览器界面编程,清爽) 步 ...
用matlab提取lbp特征,求教大神给解释一下LBP特征提取每部分程序是干什么的
该楼层疑似违规已被系统折叠隐藏此楼查看此楼 function X1 = LBP(Resimage) % Returns a rotation invariant LBP (uniform patte ...
lbp特征提取算法知乎_计算机视觉基础-图像处理: LBP特征描述算子
1 简介 LBP指局部二值模式(Local Binary Pattern),是一种用来描述图像局部特征的算子,具有灰度不变性和旋转不变性等显著优点.LBP常应用于人脸识别和目标检测中,在OpenCV中 ...
lbp matlab程序,求教大神给解释一下LBP特征提取每部分程序是干什么的
该楼层疑似违规已被系统折叠隐藏此楼查看此楼 function X1 = LBP(Resimage) % Returns a rotation invariant LBP (uniform patte ...
lbp特征提取算法知乎_Hog,SIFT以及LBP这三种特征有什么不同？
SIFT.HOG.LBP,这三者都属于局部特征. 一.三者原理上的区别 1.SIFT:Scale-Invariant Feature Taransform,尺度不变特征变换.尺度空间的极值检测:搜索所 ...
lbp特征提取算法知乎_图像-LBP特征描述算子-人脸检测
2.1 简介 LBP指局部二值模式(Local Binary Pattern),是一种用来描述图像局部特征的算子,具有灰度不变性和旋转不变性等显著优点.LBP常应用于人脸识别和目标检测中,在OpenC ...
LBP特征提取算子光照不变性和旋转不变性的具体解释与detectMultiScale参数说明【DataWhale学习记录】
零前言 LBP曾广泛应用于人脸检测以及人脸识别应用中,但在深度学习和卷积神经网络迅猛发展的今天,以LBP为特征的检测以及识别算法并不具有竞争力,但是作为学习案例还是很有借鉴意义的. 本文的重点部分是 ...
（九）特征提取之主成分分析（PCA）
主成分分析(PCA) 一.PCA算法是如何实现的? 简单来说,就是将数据从原始的空间中转换到新的特征空间中,例如原始的空间是三维的(x,y,z),x.y.z分别是原始空间的三个基,我们可以通过某种方法 ...
特征提取算法（1）——纹理特征提取算法LBP
模式识别中进行匹配识别或者分类器分类识别时,判断的依据就是图像特征.用提取的特征表示整幅图像内容,根据特征匹配或者分类图像目标. 常见的特征提取算法主要分为以下3类: 基于颜色特征:如颜色直方图.颜色 ...
LBP算法（人脸识别特征提取）
LBP(Local Binary Patterns,局部二值模式)是提取局部特征作为判别依据的.LBP方法显著的优点是对光照不敏感,但是依然没有解决姿态和表情的问题.不过相比于特征脸方法,LBP的识别 ...

(九) LBP特征提取

(九) LBP特征提取相关推荐

最新文章

热门文章