您當前位置:深圳微智科技有限公司>公司新聞, 焦點關注> 基于?LBP的弱分類器
基于?LBP的弱分類器
發布時間: 2017-09-02      大小:  16px  14px  12px

 

局部二元模式(1ocal?binary?pattem,?LBP)是由ojala等(1998)提出的一種有效的紋理特征,?通過比較圖像中每個像素與其鄰域內像素灰度值的差異來描述圖像的紋理,?可以對灰度圖像中局部鄰近區域的紋理信息進行有效度量和提取?。?LBP特點突出的優點是對目標灰度變化不敏感,于計算簡單迅速。近十年來?LBP特征已經廣泛應用于紋理分類、圖像檢索和人臉圖像分析等領域。

基本?LBP(ba5ic?LBP)算子是將3×3的鄰域中的各個像素和中心像素進行比較判決,若鄰域像素的灰度值大于等于中心像素的灰度,則置該鄰域像素的灰度為1,?否則清零示。3X3鄰域經過?LBP運算后按一定次序排列形成一個8?位二進制數,范圍為?0~255。由于?LBP算子具有良好的局域特性,經變換后仍保留了原圖的視覺特性。

0jala等(1998)在基本?LBP基礎上提出了合式?LBP(uniform?pattems?LBP)?,?記為LBPr,表示以半徑?r在鄰域內采集?n個像素點,且得到的8位數的?0-1變換次數不超過。?據統計絕大部分模式都是合式的,?非合式的模式可以視為無法區分的噪聲単獨歸為一類。這樣統計區域內的?LBP特征,-便可以得到?LBP直方圖。這里采用的算子為?LBRR?,因而最終得到的直方圖維度為?Cf?+3=59?。