Local graph structure (LGS)学习

    受主导集和图论的启发，LGS(Local graph structure) 于2011首次应用于人脸识别。该运算符背后的思想是使用主导集，以便对输入图像中任何像素的空间信息进行编码。

算法思路：对于每个目标元素，选择6个相邻像素组成一个定向图结构，如图:

• 图形中像素的扫描从目标像素开始，沿逆时针方向到图形的左侧，然后再沿顺时针方向到右侧。
• 箭头终点像素若大于其顶点像素则赋值为1，否则为0。
• 将所有顶点的值合并为一个二进制字符串，以构造目标像素的LGS代码，再把二进制转换成十进制数。

     ELGS(Extended Local graph structure)通过在水平和垂直方向上进行编码扩展了LGS。
    如图所示，ELGS的结构形成两个主要图形（水平和垂直图形），每个图形都有六个像素来描述关系图。基于图形方向相对于目标像素选择相邻像素，该图形方向取决于距目标像素的半径（1或2）。根据水平和垂直图结构为目标像素独立计算两个LGS代码。

    通过组合形成最终的ELGS直方图向量。