LBP算子总结-需后期补充

最新推荐文章于 2022-05-08 13:48:41 发布
最新推荐文章于 2022-05-08 13:48:41 发布
阅读量844 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/searching555/article/details/47612117
版权

LBP：local binary pattern

LBP算子可分为以下几种：

1.基本LBP算子，通常是指灰度不变LBP，即gray scale invariant LBP，8邻域情况下共有256种输出，即特征向量有256种取值可能性

2.旋转不变LBP算子：rotation invariant LBP,8邻域情况下共有36种输出

3.均匀模式LBP算子：uniform LBP，8邻域情况下共有58种输出

4.均匀不变LBP算子：rotaion invariant & uniform pattern LBP，8邻域情况下共有9种输出


参考的博文：

1。http://blog.csdn.net/jinshengtao/article/details/18219697

2。http://blog.sina.com.cn/s/blog_973bec650101rmjm.html

3。http://blog.sina.com.cn/s/blog_48ce1c2d0101b4us.html （含java语言实现的 均匀模式LBP算子）

备注：8邻域说法等同于8个采样点


后期需要补充：各种算子比较，提出者，对应论文，发表年份，适用领域，可运行的代码

searching555
关注
lbp算子实现
直到流萤成飞火
08-13 1830
LBP(Local Binary Pattern, 局部二值模式)是一种用来描述图像局部纹理特征的算子； 它的作用是进行特征提取，而且，提取的特征是图像的纹理特征，并且，是局部的纹理特征；原始的LBP算子定义为： 在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。 这样，3*3领域内的8个点可产
LBP算子介绍
计算机视觉小菜鸟的专栏
03-31 5万+
LBP(Local Binary Pattern, 局部二值模式)是一种用来描述图像局部纹理特征的算子；显然，它的作用是进行特征提取，而且，提取的特征是图像的纹理特征，并且，是局部的纹理特征；       原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相
LBP算子
王伟挺的专栏
07-20 2584
LBP(Local Binary Pattern, 局部二值模式)是一种用来描述图像局部纹理特征的算子；显然，它的作用是进行特征提取，而且，提取的特征是图像的纹理特征，并且，是局部的纹理特征；    原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的
LBP.zip_LBP算子_lbp_局部LBP
09-24
总结来说，LBP算子是一种强大的纹理描述符，它的主要优势在于简单、快速和旋转不变性。通过MATLAB这样的编程工具，我们可以方便地实现LBP算法，以提取图像的纹理特征并进行各种计算机视觉任务。提供的压缩包文件...
LBP.zip_LBP特征_LBP算子_lbp_局部二进制模式
07-15
LBP-test文件可能包含的是用于测试或演示LBP算法的样本数据或代码，可以帮助读者理解并实践LBP的计算过程和应用。 总之，局部二值模式（LBP）作为一种简单而有效的图像特征描述方法，因其独特的性质和广泛的适用性...
基于Log-Gabor滤波和LBP算子的光照不变人脸识别方法.pdf
09-23
"基于Log-Gabor滤波和LBP算子的光照不变人脸识别方法" 人脸识别是计算机视觉和模式识别领域中一个热门的研究方向，近年来，人脸识别技术的研究和应用越来越广泛。然而，人脸识别仍然面临着许多挑战，其中光照问题是...
改进的LBP算子和稀疏表达分类在人脸表情识别上的应用
01-28
在人脸表情识别中，基于局部二值模式（LBP）算子算法与传统的特征提取算法相比具有特征提取准确、精细、光照不变性等优点，但也有直方图维数高、判别能力差、具有冗余信息等缺点。本文提出一种C-LBP算法通过加入中心...
通俗讲LBP算子——特征描述算子
qq_32531505的博客
06-28 1589
1.通俗说LBP算子 1.1 较理想的LBP算子 LBP是Local Binary Pattern的缩写，即局部二值模式。算子就是指掩模。例如，这里的LBP算子为3X3大小的，其是把中心位置的像素值作为阈值标准，当邻域的值大于中心值时，那个位置就被标记为1，小于则被标记0。当标记完后就可以做编码了。编码以左上角，也就是像素坐标轴的零点作为起始点，顺时针将标记值由右边低位向左边高位依次排列，如下图所示，得到一个8位长的编码。 再如这个图像为9X9大小，算子扫过就会出现9X9 / 3X3 = 9个编码值，然后
Rotation invariant texture classification using LBP variance (LBPV)
12-24
Local or global rotation invariant feature extraction has been widely used in texture classification. Local invariant features, e.g. local binary pattern (LBP), have the drawback of losing global spatial information, while global features preserve little local texture information. This paper proposes an alternative hybrid scheme, globally rotation invariant matching with locally variant LBP texture features. Using LBP distribution, we first estimate the principal orientations of the texture image and then use them to align LBP histograms. The aligned histograms are then in turn used to measure the dissimilarity between images. A new texture descriptor, LBP variance (LBPV), is proposed to characterize the local contrast information into the one-dimensional LBP histogram. LBPV does not need any quantization and it is totally training-free. To further speed up the proposed matching scheme, we propose a method to reduce feature dimensions using distance measurement. The experimental results on representative databases show that the proposed LBPV operator and global matching scheme can achieve significant improvement, sometimes more than 10% in terms of classification accuracy, over traditional locally rotation invariant LBP method.
lbp算子
Yuippe的专栏
11-28 1638
A more formal description of the LBP operator can be given as: , with  as central pixel with intensity ; and  being the intensity of the the neighbor pixel.  is the sign function define
LBP算子入门
千里河山
10-08 855
1.《matlab学习：人脸识别之LBP (Local Binary Pattern) 》 http://www.cnblogs.com/yingying0907/archive/2012/11/18/2773920.html 2.《LBP算子介绍 》 http://blog.csdn.net/jiao_zhoucy/article/details/8192347 3.《LBP: Loca
LBP原理介绍以及算法实现
热门推荐
holly的专栏
01-30 11万+
原文地址：http://blog.csdn.net/xpplearnc/article/details/40658211 　　没有看LBP之前觉得它很神秘，看完了之后也就那么回事，不过提出LBP的人确实很伟大！！ 　　LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala,
LBP理解
学习笔记
09-24 1710
1.OLBP： olbp即原始的LBP，就是比较（X,Y）周围的8个点，大于等于它就置为1，小于它就置为0，然后编码，再把这个编码后的值赋给该点。 void LBP(Mat src, Mat &dst) { for (int i = 1; i < src.rows-1; ++i) { for (int j = 1; j < src.cols - 1; ++j) ...
CV学习——LBP算子
L_superhero的博客
05-08 999
LBP是什么 LBP特征（Local Binary Patter） LBP特征是一种计算简单高效的纹理描述子： 纹理：自然场景或物体表面呈现出的灰度（或彩色）重复变化 描述子：能够反映图像至少一个方面的基本特性的紧致表示 计算一个像素的LBP代码的过程可以看作是对该像素运用LBP算子的过程 一幅图像的LBP特征是该图像中各种LBP的发生概率，即LBP直方图 LBP的优点： 分类准确率高 对光照单调变化具有不变性 需要调节的参数少，计算速度快 紧致表示，低维（<64）特征向量即可取得较好效果 L
LBP算子总结（人脸检测）
weixin_46273288的博客
07-22 1631
LBP算法介绍 1LBP算子 LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征。 1.1原始的LBP算子 原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为
matlab人脸识别毕设
最新发布
02-22
### 使用 MATLAB 进行人脸识别的毕业设计方案 #### 方案概述 人脸识别技术近年来得到了广泛应用和发展。本方案旨在通过MATLAB平台实现人脸检测与识别功能，具体包括预处理、特征提取以及分类器训练等多个环节[^2]。 #### 数据准备 为了确保模型的有效性和准确性，在项目初期需收集大量带标签的人脸图片作为训练集和测试集。对于3D数据读取部分，可采用`absload()`函数来加载包含XYZ坐标的三维点云文件，并将其保存为`.ply`格式以便于后期处理。 #### 预处理阶段 获取到原始图像之后，应该先去除无关背景干扰（比如脖子肩膀等部位），只保留脸部核心区域用于后续操作；接着调整大小至统一规格，增强对比度使细节更加明显，最后转化为灰度图减少计算量的同时保持重要信息不变。 #### 特征提取方法 考虑到效率与效果之间的平衡，这里选用局部二值模式(Local Binary Patterns, LBP)算子来进行纹理描述，它具有旋转不变性好、抗噪能力强等特点。此外还可以尝试其他主流算法如PCA(Principal Component Analysis)，LDA(Linear Discriminant Analysis)[^3]。 #### 训练过程 选取合适的机器学习框架完成监督式学习流程——即输入已标注样本让计算机自动构建映射关系从而具备预测未知实例的能力。常用的支持向量机(Support Vector Machine,SVM),K近邻(K-nearest neighbor,KNN)都是不错的选择。 #### 测试评估指标 最终要对整个系统的性能进行全面评测，主要考察以下几个方面： - **精度(Precision)**: 正确识别为人脸的数量占所有被判定为人脸的比例； - **召回率(Recall)** : 能够成功检出的真实人脸数在整个真实集合中的占比； - **F1得分(F1 Score)** ：综合考虑上述两者得出的一个衡量标准。 ```matlab % 加载库函数 addpath('toolbox_general'); addpath('toolbox_calib'); % 设置参数 dataFolder = 'faces'; % 图片所在路径 modelFile = 'faceModel.mat'; % 创建对象 detector = vision.CascadeObjectDetector(); % 获取文件列表 files = dir(fullfile(dataFolder,'*.jpg')); % 初始化变量 numImages = length(files); images = cell(numImages,1); for i=1:numImages images{i} = imread(fullfile(dataFolder, files(i).name)); end % 提取特征并建立数据库 features = []; labels = []; for k=1:length(images) img = rgb2gray(images{k}); face = detector.step(img); croppedImg= imcrop(img,face(1,:)); featureVec= extractFeatures(croppedImg); %[待补充具体的特征抽取逻辑] features(k,:) = featureVec; labels(k) = getLabelFromFileName(files(k).name); %[定义如何从文件名解析类别标签] end save(modelFile,'features','labels'); % 存储中间结果供离线建模使用 function featVector = extractFeatures(image) % [此处编写实际使用的特征提取代码片段] end function labelValue = getLabelFromFileName(fileName) % [根据命名规则返回对应的身份ID或其他属性标记] end ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值