本文深入探讨了图像处理中的LBP（局部二值模式）特征，包括其在人脸识别和表情识别中的应用，以及均匀LBP、旋转不变LBP、旋转不变均匀LBP和LBP直方图等概念。此外，还介绍了LBP特征的扩展，如DLBP、STLBP和VLBP，用于提高噪声抵抗性和动态纹理识别。
1. 摘要：本文主要介绍图像纹理描述的一种特征LBP（局部二值模式），基于LBP特征在人脸识别、表情识别方面应用较多。
2. 应用背景
在数字图像处理和模式识别领域，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。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。
3. 特征计算
a. 传统LBP计算： 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
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
