图像特征提取——韦伯局部描述符（WLD）

一、原理及概述

　　韦伯局部描述符（WLD）是一种鲁棒性好、简单高效的局部特征描述符。WLD由两个部分组成：差分激励和梯度方向。

　　其具体算法是对于给定的一幅图像，通过对每个像素进行这两个分量的计算来提取其差分激励图像和梯度方向图像，并将这两部分组合成一个二维直方图，进而转化为一个一维直方图，最后利用一维直方图进行分类。^[1]

 

　　差分激励：差分激励时某像素领域值和减去8倍中心像素值的结果与该像素点的比值。显然，这反映了当前像素点与领域像素点之间的差异。

　　在对差分激励有了一个概念性的认识以后，我们来看数学表述：

 

　　综合上述公式，我们整合一下：

　　通过计算式子，我们知道如果G_arctan>0，则表明领域像素的亮度大于当前像素；反之，则表明当前像素在该区域内的亮度较低。

　　在计算过程中，为了避免出现输入值过大或过小的情况从而造成不可控的局面，可以通过一个函数将其映射到一个合理范围之内。常用的是sigmoid函数、arctan函数以及对数函数。sigmoid函数如下：

　　由于考虑到sigmoid函数的计算量较大，所以往往可以选用arctan函数。

 

　　梯度方向：通过计算局部窗内水平方向和垂直方向像素插值之比的反正切变换得到^[1]。梯度方向反映的是局部窗内灰度变化的空间分布信息。

　　以下为梯度方向的数学表述，注意࿰