https://baike.baidu.com/item/lbp/6692950?fr=aladdin
LBP指局部二值模式,英文全称:Local Binary Patterns。最初功能为辅助图像局部对比度,并不是一个完整的特征描述子。
中文名
线性反投影算法
外文名
Local Binary Patterns
简 称
LBP
别 名
累加法
属 性
局部二值模式
目录
数字图像处理
编辑
在数字图像处理和模式识别领域,
后来提升为一种有效的纹理描述算子,度量和提取图像局部的纹理信息,对光照具有不变性。LBP有很多变种,或说改进。单纯的LBP记录像素点与其周围像素点的对比信息,或说差异。从图1我们看到,最左边的是原图,标号为example。我们要检测某个像素点的某些信息,在图1中,对于9个方格中中间方格(方格中的数字是像素点灰度值大小),做一个阈值化处理。大于等于中心点像素的,则标记为1,小于的则标记为0。最后将中心像素点周围的11110001二进制数化为十进制数,得到LBP值。
二进制数11110001的顺序并无硬性要求,只要在同一处理中保持相同的顺序即可。
LBP算子可以取多个周围像素点和采样半径。
但是这样的LBP描述特征能力有限,且不具备旋转不变性。很容易想象,如果图片进行了旋转,则LBP值也会随之改变。因此有了下面的改进。
将LBP周围的二进制码(如11110001)按位旋转,取二进制码最小的值。对于11110001情况,我们按位旋转,得到11100011,11000111,10001111,0001111,00111110,01111100,11111000七个不同的二进制数,最小值为00011111,则取该种模式(pattern)为最终LBP。这又称为LBPROT,或写为LBPp,r ri。
对于采样半径为1,周围像素点数为8的情况,LBPROT算子(即具有旋转不变性的LBP模式)总共有36个。
但是对于LBPROT来说,其实验结果并不好。不能提供很好的分辨率。
在以上的基础上,又有了Uniform LBP的出现。
所谓Uniform LBP,指在LBP二进制数中,0到1和1到0的跳变总数不超过两次。如00000000和11111111,并没有0,1跳变,U=0。对于11110000和00001111,则有一次跳变,U=1。对于Uniform LBP来说,具备旋转不变性的pattern只有9个,如图3LBPROT中第一排标号为0-8的pattern。因此,最终结果为统计Uniform LBP pattern的直方图,把所谓的nonUniform放入直方图的另一个bin中,得到最终的特征向量。
Uniform LBP在局部纹理描述上取得了较好的描述效果,原因在于,Uniform LBP 的各种模式占据了图像中所有模式的绝大部分。不同采样半径和周围像素点个数会不同,但Uniform LBP占据了所有模式的50%~95%。
LBP还有很多变种,如CLBP,LBPHF等等。有兴趣的读者可以阅读相关文献 [1-2] 。
LBP已经成功应用于人脸检测,唇语识别,表情检测,动态纹理等等领域。其算法复杂度低,消耗内存小,原理简单,但并不一定适合所有的特征描述。
介绍
编辑
线性反投影算法(Linear Back Projection,简称 LBP)又称累加法,是最早使用的一种简单(ECT图像重建)成像算法。它将通过某点的所有投影射线进行累加,再反向估算出该点的密度值。从成像观点分析,它是不完全的雷登逆变换(完整的雷登逆变换包括微分、希尔伯特变换、反投影和归一化等步骤)。
算法
编辑
对于 ECT 技术,假设被测介质变化对灵敏场的影响可以忽略,若被成像的两相介质分别为 A 相和 B 相,介电常数分别为 ε A和 ε B,且 ε A < εB,则重建图像中第 k 个像素的灰度
其中, Ce i ,j、 Ci f,j分别为管中充满 A 相和 B 相时的电容,mCi ,j为管中同时存在 A 相和 B 相介质时的电容。线性反投影的数学解释为:假设S是介电常数向量空间到电容向量空间的映射,则 ST 可视为电容向量空间到介电常数空间的映射,由于 S- 1不存在,用 ST 取代 S-1 ,则线性反投影的矩阵形式为
由于线性反投影只是一种定性的算法,研究者在此基础上提出了迭代反投影算法。其计算步骤如下:
1) 基于均质灵敏度信息,利用线性反投影算法获得初始图像;
2) 利用已获得的介电常数分布,求解正问题,得到一组仿真电容值,将该值与测量电容值进行比较,若误差已达到满意值,算法结束,否则进行下步;
3) 修正灵敏度信息;
4) 根据上步已经修正后的灵敏度信息,利用测量电压重新进行线性反投影;返回第二步,并进行循环迭代,直到获得满意的结果为止,迭代结束。