本文介绍了LBP（局部二值模式）的简介，包括传统LBP和统一LBP，以及其对噪声的敏感性。接着详细阐述了CLBP（局部互补二值模式）的三个描述子CLBP-C、CLBP-S和CLBP-M，并讨论了它们的计算方法和对光照、旋转的鲁棒性。此外，文章还探讨了ELBP（扩展的局部二值模式），其采用像素强度和差异作为互补特征，并通过串并联直方图融合。这两种改进的LBP算法旨在增强纹理识别的性能。
最近看了两篇关于CLBP和ELBP的文章。现在对文中提到的LBP相关知识做一个小小的总结
一、LBP简介
1.传统LBP
其中
是中心像素的灰度值，
是其邻域像素的灰度值。通过比较中心像素周围邻域像素与中心像素的大小，大于中心像素为1，小于中心 像素为0，最后按一定顺序进行二进制编码。对于没有完全落在像素中心的邻域点，可以通过线性插值的方法来估算其灰度值。最后通过遍历所有LBP像素值，建立直方图来表示该图的纹理特征。假设图片尺寸是i*j，则直方图表达为：
2.uniform LBP
由上文可知，传统LBP会有
种编码模式，这会生成一个非常冗长的直方图，由于巨大维数，H值的估计也十分棘手，并且LBP对噪声十分敏感，围绕中心像素轻微的上下波动，可能导致编码结果大相径庭。因此，Ojala等人提出了统一编码模式：
最低0.47元/天 解锁文章
9109
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
