LBP（Local Binary Pattern，局部二值模式）是一種用來描述圖像局部紋理特征的算子；它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點。它是首先由T. Ojala, M.Pietik?inen, 和D. Harwood 在1994年提出，用于紋理特征提取。而且，提取的特征是圖像的局部的紋理特征；

?

?

LBP的應(yīng)用中，如紋理分類、人臉分析等，一般都不將LBP圖譜作為特征向量用于分類識別，而是采用LBP特征譜的統(tǒng)計直方圖作為特征向量用于分類識別。?

　　因為，從上面的分析我們可以看出，這個“特征”跟位置信息是緊密相關(guān)的。直接對兩幅圖片提取這種“特征”，并進(jìn)行判別分析的話，會因為“位置沒有對準(zhǔn)”而產(chǎn)生很大的誤差。后來，研究人員發(fā)現(xiàn)，可以將一幅圖片劃分為若干的子區(qū)域，對每個子區(qū)域內(nèi)的每個像素點都提取LBP特征，然后，在每個子區(qū)域內(nèi)建立LBP特征的統(tǒng)計直方圖。如此一來，每個子區(qū)域，就可以用一個統(tǒng)計直方圖來進(jìn)行描述；整個圖片就由若干個統(tǒng)計直方圖組成；?

對LBP特征向量進(jìn)行提取的步驟：

　　（1）首先將檢測窗口劃分為16×16的小區(qū)域（cell）；?

　　（2）對于每個cell中的一個像素，將相鄰的8個像素的灰度值與其進(jìn)行比較，若周圍像素值大于中心像素值，則該像素點的位置被標(biāo)記為1，否則為0。這樣，3*3鄰域內(nèi)的8個點經(jīng)比較可產(chǎn)生8位二進(jìn)制數(shù)，即得到該窗口中心像素點的LBP值；?

　　（3）然后計算每個cell的直方圖，即每個數(shù)字（假定是十進(jìn)制數(shù)LBP值）出現(xiàn)的頻率；然后對該直方圖進(jìn)行歸一化處理。?

　　（4）最后將得到的每個cell的統(tǒng)計直方圖進(jìn)行連接成為一個特征向量，也就是整幅圖的LBP紋理特征向量；?

　　然后便可利用SVM或者其他機器學(xué)習(xí)算法進(jìn)行分類了。?

Reference：?黃非非，基于 LBP 的人臉識別研究，重慶大學(xué)碩士學(xué)位論文，2009.5

總結(jié)

以上是生活随笔為你收集整理的LBP特征算子原理过程的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。