《计算机视觉学习初识LBP算法.ppt》由会员分享,可在线阅读,更多相关《计算机视觉学习初识LBP算法.ppt(15页珍藏版)》请在第壹文秘上搜索。
1、计算机视觉学习初识LBP算法LBP(Local Binary Pattern)uLBP特征是根据相邻的像素点与中间相邻点相比的大小确定置为1或0,然后对每个像素点的领域信息进行整合,变为领域个位的数的编码。然后对一个块中所有像素的编码进行直方图的统计,得到LBP特征。u一个LBP操作可以被定义为:S是符号函数,定义为:u总结:这种方法可以很好的捕捉到图像中的细节,但是固定的近邻区域对于尺度变化的编码失效。为了适应不同尺度的纹理特征,Ojala对于LPB算子进行了改进,将3*3邻域扩展到任意邻域,并且用圆形代替正方形。函数表示均匀模式的LBP算子 近邻点计算 u双线性插值算法的引入如果近邻点不在
2、图像的坐标上,如何 确定该点的像素值?其中R是圆的半径,P是样本点的个数双线性插值u线性插值:假设A点的值为5,C点的值为3,AC间插值,则B点的值为4A(0,0)B(1,0)C(2,0)u 如果B不在AC连线之间,就采用双线性插值,双线性插值的思想就是在两个方向上分别进行一次线性插值。如右图所示:已知Q11,Q12,Q22,Q21四个点,要插值的点为P,则采用双线性插值。双线性插值 化简:双线性插值如果选择一个坐标系统使得 u 如果选择一个坐标系统使得四个已知点的坐标分别为(0,0),(0,1),(1,1),(1,0),那么插值公式就可以简化为:u 用矩阵的形式表示:u 再一次简化:注意:虽
3、然是双线性插值,但最后的结构是非线性的。LPB如何实现旋转不变性?u LPB特征是灰度不变,但不是旋转不变的,同一幅图像,进行旋转以后,其特征将会有很大的差别,影响匹配的精度。Ojala在LBP算法上,进行改进,实现了具有旋转不变性的LPB的特征。实现方法:不断旋转圆形邻域得到一系列初始定义的LPB值,取最 小值作为该邻域的值。LPB如何实现旋转不变性?u 求取旋转不变的LPB特征示意图对于邻域像素顺序的规定并没有明确的规定,上图默认为水平方向左侧为起始点,逆时针旋转。图中8种模式所对应的LPB模式都是:00001111。LPB等价模式问题的引出:等价模式对LPB算子的模式种类进行降维。解决方
4、法:LPB等价模式Ojala等认为,在实际图像中,绝大多数LPB模式最多只包含两次从1到0或从0到1的跳变。等价模式:当某个局部二进制模式所对应的循环二进制数从0到1或从1 到0最多有两次跳变时,该局部二进制模式所对应的二进制 就称为一个等价模式。比如:00000000,11111111,11110010,10111111都是等价模式。检查某种模式是否是等价模式:LPB等价模式混合模式:除了等价模式之外的称为混合模式。可以通过低通滤波的方法来增强等价模式所占的比例。图c经过高斯滤波后,其等价模式所占比可以增加到90%。旋转不变的等价模式 LBP非参数统计测定 图像f(x,y)直方图的定义为:可以用卡方来计算两个直方图的差异: