本文是我读完论文“BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification”,进行个人理解与总结,致敬作者,不涉及官方理解,也并没有与论文作者进行沟通。如有侵权,联系删除~~~
一、BRINT开发背景
简要来说,BRINT(Binary Rotation Invariant and Noise Tolerant Texture Classification),一个以二进制模式实现旋转不变性与噪声弱敏感,可以达到特征纹理进行分类,从而提高图像特征匹配性能的新型特征描述模式,是基于LBP特征描述模式开发的一种新型简单策略描述模式。LBP模式已经出现了很多变体,但仍然存在一些局限性,例如对噪声的敏感性较高,无法捕获长焦域纹理信息等,而这也是BRINT诞生的出发点。
本文不在详细赘述LBP模式的实现及其优缺点,而着重总结BRINT特征描述模式的构建过程。
论文链接:BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification
LBP特征描述模式:LBP原理介绍以及算法实现
二、BRINT特征描述模式
1.开发意义
(