目前对CS-LBP 的理解是CS-LBP只能描述电池片裂纹的梯度特征:CS-LBP值的大小代表的是方向,每一个值出现的频率代表的大小。CS-LBP作为一种特征描述的方法,所提取的特征向量维数小,并且对锑度变化响应明显,这也就是为什莫选用它作为裂纹特征提取主要原因。而缺点只能描述梯度特征,一旦噪声干扰与裂纹有相似的锑度变化,CS-LBP就不能很好的分辨出到底是背景还是裂纹。这是目前针对裂纹这缺陷效果低的主要原因。现在对研究的最新理解是,创新之处一定是针对所要解决的问题。所要解决的问题也要明确,像CS-LBP对于锑度变化相似的裂纹和背景区分度就不高,这就是要解决的核心问题,并非是非均匀纹理背景下的缺陷分类,非均匀纹理背景还是太大。
解决方案目前想到了两种,一种是用采用减少类间距,增加类间间距的方法。另一种是提取裂纹的专有特征,即有针对性的提取特征。
CS-LBP 的简单理解及实现:CS-LBP利用关于中心像素对称位置的像素大小关系进行二进制编码,再将这个二进制数映射成十进制数,属于将像素信息映射到了空间域。这种方法利用了图像的中心对称差分信息,也就是梯度信息,对梯度响应明显。
源码是我在LBP基础上改的(matlab写的):CSDN为啥插入的图片不能显示,真他妈气人。