java lbp_LBP特征提取原理及代码实现

1 背景

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，具有旋转不变形和灰度值不变形等显著优点。主要用于纹理特征提取，在人脸识别部分有较好的效果。

2     LBP特征原理

2.1概述

从94年T. Ojala, M.Pietikäinen, 和D. Harwood提出至今，LBP大致经历了三个版本。下面按照时间顺序进行介绍。(下面的First-LBP、Second-LBP..均为自己定义，只是为写技术文档方便，LBP作者并未定义。)

2.2First-LBP原理

最初的LBP算子通过定义一个3x3的窗口，以窗口内中心点的像素值为标准，对比窗口内另8个点像素值的大小，大于为1，小于为0。8个点形成一个二进制数字(通常转换为十进制表示)即为中心点的LBP特征值。详细计算如下图：

通过上面得到的LBP算子具有很多缺点，后研究人员在LBP基础上进行不断改进。

2.3 Second-LBP原理

原始LBP算子计算区域为像素点的周围8个点，在图像尺寸发生改变时会出现很大的偏差，不能正确反映像素点周围的纹理信息。为适应不同尺寸纹理特征，LBP原作者将圆形邻域代替正方形邻域。同时增加了旋转不变的特性，在对LBP特征值的存储部分，也进行了改进。详细如下文。

2.3.1圆形LBP算子

圆形LBP算子计算中，以像素点为圆心，R为半径，提取半径上P个采样点，根据2.2中像素值比较方法，进行像素值大小的比较，得到该点的LBP特征值。其中提取采样点的方法如下：

xt =xd + Rcos(2πp/P)

yt = yd  - Rsin(2πp/P)

(xt,yt)为某个采样点，(xd,yd)为邻域中心点，p为第P个采样点，P为采样点的个数。得到采样点的坐标可能为小数，改进后的LBP采用双线性插值法进行计算该点的像素值：

几种不同半径不同采样点数量的LBP算子：

2.3.2旋转不变LBP特征：

上面通过采取圆形邻域的计算，一定程度上削弱了尺度改变的影响。研究人员在上面的基础上进一步扩展，使具备旋转不变的特征。

首先，在确定半径大小和采样点数目后，不断旋转圆形邻域内采样点的位置，得到一系列的LBP特征值，从这些LBP特征值中选择最小的值作为LBP中心像素点的LBP特征值，具体如下图：

通过不断旋转，取最小值，使具备旋转不变特性。

2.3.3 Uniform Pattern LBP特征：

Uniform Pattern LBP特征也称为等价模式或均匀模式。对LBP特征值的存储方式上，进行了优化。详细如下。

假设对于半径为R的圆形邻域内提取P个采样点，会产生2p种二进制表达方法，随着邻域内采样点数目的增加，二进制模式的种类以指数形式增加，不利于LBP特征值的存储、提取、分类和识别。LBP原作者提出一种“等价模式”对LBP算子进行降维。详细如下。

在实际图像中，绝大多数LBP模式只包括从0到1或从0到1的转变，LBP原作者将“等价模式”定义为当某个LBP特征值所对应的二进制数从0到1或从1到0的转变最多有两次时，该LBP所对应的二进制就称为一个等价模式。如00000000(0次跳变)、00000011(1次跳变)、10001111

(2次跳变)均为等价模式类。除等价模式类外均归为混合模式类。上述算法，使得模式数量由原来的2p种减少为P(P-1)+2+1种(P代表采样点的数量)。

实例介绍：

如采样点数为8，即256种LBP特征值，根据等价模式可分为59类：跳变0次——2个，跳变1次——0个，跳变2次——56个，跳变3….8次——1个。(跳变1次为0个是因为LBP作者把LBP二进制数字看做一个圆性的序列，故跳变1次为0个)

2.3.4 MB-LBP特征：

MB-LBP特征，全称为Multiscale Block LBP,由中科院的研究人员研究发表，原理与HOG特征提取有相似之处，接扫MB-LBP仅用于了解，下面是原理介绍。

首先将图像分为分为多个块，再将每个小块分成多个区域，每个区域的灰度值为该区域内灰度值的平均值。在一个块内，将中心区域的灰度值大小与周围区域的灰度值大小进行比较形成LBP特征值。如下图：

作者对得到的MB-LBP特征值同样进行均值编码。首先，对得到的特征值采用直方图进行表示，计算每一种特征值的数量，进行排序，将排序在前63为的特征值看作是等价模式类，其他的为混合模式类，共64类。

2.4         Third-LBP原理

LBP的最后一步改进为LBPH即LBP特征统计直方图的使用，可用于机器学习特征的提取。这种表示方法由Ahonen等人提出，将LBP特征图像分成m个局部块，提取每个局部块的直方图，并依次连接在一起形成LBP特征的统计直方图。具体过程如下：

(1)         计算图像中每一像素点的LBP特征值。

(2)         图像进行分成多块。(Opencv中默认将LB