【電腦視覺】LBP紋理特徵

標籤：lbp

LBP簡介

LBP（Local Binary Pattern，局部二值模式）是一種用來描述映像局部紋理特徵的運算元；它具有旋轉不變性和灰階不變性等顯著的優點。它是首先由T. Ojala, M.Pietik?inen,和 D. Harwood 在1994年提出，用於紋理特徵提取。而且，提取的特徵是映像的局部的紋理特徵。
從紋理分析的角度來看，映像上某個像素點的紋理特徵，大多數情況下是指這個點和周圍像素點的關係，即這個點和它的鄰域內點的關係。從哪個角度對這種關係提取特徵，就形成了不同種類的特徵。有了特徵，就能根據紋理進行分類。LBP構造了一種衡量一個像素點和它周圍像素點的關係。

LBP basic

原始的LBP運算元定義為在3 3的視窗內，以視窗中心像素為閾值，將相鄰的8個像素的灰階值與其進行比較，若周圍像素值大於中心像素值，則該像素點的位置被標記為1，否則為0。這樣，3 3領域內的8個點可產生8bit的無符號數，即得到該視窗的LBP值，並用這個值來反映該地區的紋理資訊

原始的LBP提出後，研究人員不斷對其提出了各種改進和最佳化，從而得到了諸如半徑為R的圓形地區內含有P個採樣點的LBP運算元；LBP均勻模式；LBP旋轉不變模式；LBP等價模式等等。
顯而易見的是，上述提取的LBP運算元在每個像素點都可以得到一個LBP“編碼”，那麼，對一幅映像提取其原始的LBP運算元之後，得到的原始LBP特徵依然是“一幅圖片”。
因為這裡的LBP特徵是跟位置資訊緊密相關的，所以，不能利用這種特徵進行直接的判別分析。然而，研究人員發現，可以將一幅圖片劃分為若干的子領域，對每個子領域內的每個像素點都提取LBP特徵，然後，在每個子領域內建立LBP特徵的統計長條圖。如此一來，每個子領域，就可以用一個統計長條圖來進行描述；整個圖片就由若干個統計長條圖組成。利用統計長條圖的方式，就可以描述這幅圖片了。

LBP的改進版本原始LBP

LBP的基本思想是對映像的像素和它局部周圍像素進行對比後的結果進行求和。把這個像素作為中心，對相鄰像素進行閾值比較。如果中心像素的亮度大於等於他的相鄰像素，把他標記為1，否則標記為0。你會用位元字來表示每個像素，比如11001111。因此，由於周圍相鄰8個像素，你最終可能擷取2^8個可能組合，被稱為局部二值模式，有時被稱為LBP碼。

原始LBP

但是這樣的LBP描述特徵能力有限，且不具備旋轉不變性。很容易想象，如果圖片進行了旋轉，則LBP值也會隨之改變。因此有了下面的改進。

旋轉不變的LBP演算法

為了降低LBP的編碼模式，對同一編碼模式經旋轉(迴圈位移，按位旋轉)後產生的編碼結果編碼為同一值，即這些旋轉結果中的最小值。

旋轉不變的LBP

36個旋轉不變的LBP編碼模式：

uniform LBP演算法

個數是P(P-1)+2，P為鄰域像素點個數。對於8個採樣點，uniform形式有58中輸出。
旋轉LBP模式同樣存在缺陷，大量的實驗證明LBP模式的36種情況在一幅映像中分布出現的頻率差異較大，得到的效果並不是很好。因此人們提出uniform LBP。
首先介紹什麼是uniform，它是指均勻環形結構內包含非常少的空間轉換。我們定義U(pattern),用來記錄空間轉換的數量，即0-1變化的次數。
0-1變化少於等於兩次的二進位碼形成的LBP看成是一個 uniform LBP ,比如說11000011，01變化次數是兩次。就是一個uniform LBP。
為什麼要提出這麼個uniform LBP呢，因為研究者發現他們計算出來的大部分值都在這58種之中，可達到90%以上，所以他們把值分為59類，58個uniform pattern為一類，其它的所有值為第59類。59=(2+0+56)+1,這樣長條圖從原來的256維變成59維。起到了*降維的作用，並且可以減少高頻雜訊帶來的影響。

旋轉不變的uniform LBP演算法

個數是P+1個。對於8個採樣點，基於unifrom的旋轉不變LBP將只有9個輸出。
該模式即對於的uniform LBP，每一行都是旋轉不變的，被編為一個編碼值。

旋轉不變的uniform LBP對LBP特徵向量進行提取的步驟

1. 首先將檢測視窗劃分為16×16的小地區（cell）
2. 對於每個cell中的一個像素，將相鄰的8個像素的灰階值與其進行比較，若周圍像素值大於中心像素值，則該像素點的位置被標記為1，否則為0。這樣，3*3鄰域內的8個點經比較可產生8位位元，即得到該視窗中心像素點的LBP值
3. 然後計算每個cell的長條圖，即每個數字（假定是十進位數LBP值）出現的頻率；然後對該長條圖進行歸一化處理
4. 最後將得到的每個cell的統計長條圖進行串連成為一個特徵向量，也就是整幅圖的LBP紋理特徵向量

轉載請註明作者Jason Ding及其出處
Github首頁(http://jasonding1354.github.io/)
CSDN部落格(http://blog.csdn.net/jasonding1354)
簡書首頁(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)

【電腦視覺】LBP紋理特徵