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(diǎn)。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；

1、LBP特征的描述

原始的LBP算子定義為在33的窗口內(nèi)，以窗口中心像素為閾值，將相鄰的8個(gè)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(diǎn)的位置被標(biāo)記為1，否則為0。這樣，33鄰域內(nèi)的8個(gè)點(diǎn)經(jīng)比較可產(chǎn)生8位二進(jìn)制數(shù)（通常轉(zhuǎn)換為十進(jìn)制數(shù)即LBP碼，共256種），即得到該窗口中心像素點(diǎn)的LBP值，并用這個(gè)值來反映該區(qū)域的紋理信息。如下圖所示：

LBP的改進(jìn)版本：

原始的LBP提出后，研究人員不斷對(duì)其提出了各種改進(jìn)和優(yōu)化。

（1）圓形LBP算子：
基本的 LBP算子的最大缺陷在于它只覆蓋了一個(gè)固定半徑范圍內(nèi)的小區(qū)域，這顯然不能滿足不同尺寸和頻率紋理的需要。為了適應(yīng)不同尺度的紋理特征，并達(dá)到灰度和旋轉(zhuǎn)不變性的要求，Ojala等對(duì) LBP算子進(jìn)行了改進(jìn)，將 3×3鄰域擴(kuò)展到任意鄰域，并用圓形鄰域代替了正方形鄰域，改進(jìn)后的 LBP算子允許在半徑為 R 的圓形鄰域內(nèi)有任意多個(gè)像素點(diǎn)。從而得到了諸如半徑為R的圓形區(qū)域內(nèi)含有P個(gè)采樣點(diǎn)的LBP算子；

（2）LBP旋轉(zhuǎn)不變模式
從 LBP 的定義可以看出，LBP 算子是灰度不變的，但卻不是旋轉(zhuǎn)不變的。圖像的旋轉(zhuǎn)就會(huì)得到不同的 LBP值。
Maenpaa等人又將 LBP算子進(jìn)行了擴(kuò)展，提出了具有旋轉(zhuǎn)不變性的 LBP算子，即不斷旋轉(zhuǎn)圓形鄰域得到一系列初始定義的 LBP值，取其最小值作為該鄰域的 LBP值。
圖 2.5 給出了求取旋轉(zhuǎn)不變的 LBP 的過程示意圖，圖中算子下方的數(shù)字表示該算子對(duì)應(yīng)的 LBP值，圖中所示的 8種 LBP模式，經(jīng)過旋轉(zhuǎn)不變的處理，最終得到的具有旋轉(zhuǎn)不變性的 LBP值為 15。也就是說，圖中的 8種 LBP 模式對(duì)應(yīng)的旋轉(zhuǎn)不變的 LBP模式都是 00001111。

（3）LBP等價(jià)模式
一個(gè)LBP算子可以產(chǎn)生不同的二進(jìn)制模式，對(duì)于半徑為R的圓形區(qū)域內(nèi)含有P個(gè)采樣點(diǎn)的LBP算子將會(huì)產(chǎn)生P2種模式。很顯然，隨著鄰域集內(nèi)采樣點(diǎn)數(shù)的增加，二進(jìn)制模式的種類是急劇增加的。例如：5×5鄰域內(nèi)20個(gè)采樣點(diǎn)，有220＝1,048,576種二進(jìn)制模式。如此多的二值模式無論對(duì)于紋理的提取還是對(duì)于紋理的識(shí)別、分類及信息的存取都是不利的。同時(shí)，過多的模式種類對(duì)于紋理的表達(dá)是不利的。例如，將LBP算子用于紋理分類或人臉識(shí)別時(shí)，常采用LBP模式的統(tǒng)計(jì)直方圖來表達(dá)圖像的信息，而較多的模式種類將使得數(shù)據(jù)量過大，且直方圖過于稀疏。因此，需要對(duì)原始的LBP模式進(jìn)行降維，使得數(shù)據(jù)量減少的情況下能最好的代表圖像的信息。
為了解決二進(jìn)制模式過多的問題，提高統(tǒng)計(jì)性，Ojala提出了采用一種“等價(jià)模式”（Uniform Pattern）來對(duì)LBP算子的模式種類進(jìn)行降維。Ojala等認(rèn)為，在實(shí)際圖像中，絕大多數(shù)LBP模式最多只包含兩次從1到0或從0到1的跳變。因此，Ojala將“等價(jià)模式”定義為：當(dāng)某個(gè)LBP所對(duì)應(yīng)的循環(huán)二進(jìn)制數(shù)從0到1或從1到0最多有兩次跳變時(shí)，該LBP所對(duì)應(yīng)的二進(jìn)制就稱為一個(gè)等價(jià)模式類。如00000000（0次跳變），00000111（只含一次從0到1的跳變），10001111（先由1跳到0，再由0跳到1，共兩次跳變）都是等價(jià)模式類。除等價(jià)模式類以外的模式都?xì)w為另一類，稱為混合模式類，例如10010111（共四次跳變）（這是我的個(gè)人理解，不知道對(duì)不對(duì)）。
通過這樣的改進(jìn)，二進(jìn)制模式的種類大大減少，而不會(huì)丟失任何信息。模式數(shù)量由原來的2P種減少為 P ( P-1)+2種，其中P表示鄰域集內(nèi)的采樣點(diǎn)數(shù)。對(duì)于3×3鄰域內(nèi)8個(gè)采樣點(diǎn)來說，二進(jìn)制模式由原始的256種減少為58種，這使得特征向量的維數(shù)更少，并且可以減少高頻噪聲帶來的影響。

2、LBP特征用于檢測(cè)的原理
顯而易見的是，上述提取的LBP算子在每個(gè)像素點(diǎn)都可以得到一個(gè)LBP“編碼”，那么，對(duì)一幅圖像（記錄的是每個(gè)像素點(diǎn)的灰度值）提取其原始的LBP算子之后，得到的原始LBP特征依然是“一幅圖片”（記錄的是每個(gè)像素點(diǎn)的LBP值）。
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(shí)別，而是采用LBP特征譜的統(tǒng)計(jì)直方圖作為特征向量用于分類識(shí)別。
因?yàn)?#xff0c;從上面的分析我們可以看出，這個(gè)“特征”跟位置信息是緊密相關(guān)的。直接對(duì)兩幅圖片提取這種“特征”，并進(jìn)行判別分析的話，會(huì)因?yàn)椤拔恢脹]有對(duì)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(duì)每個(gè)子區(qū)域內(nèi)的每個(gè)像素點(diǎn)都提取LBP特征，然后，在每個(gè)子區(qū)域內(nèi)建立LBP特征的統(tǒng)計(jì)直方圖。如此一來，每個(gè)子區(qū)域，就可以用一個(gè)統(tǒng)計(jì)直方圖來進(jìn)行描述；整個(gè)圖片就由若干個(gè)統(tǒng)計(jì)直方圖組成；
例如：一幅100100像素大小的圖片，劃分為1010=100個(gè)子區(qū)域（可以通過多種方式來劃分區(qū)域），每個(gè)子區(qū)域的大小為1010像素；在每個(gè)子區(qū)域內(nèi)的每個(gè)像素點(diǎn)，提取其LBP特征，然后，建立統(tǒng)計(jì)直方圖；這樣，這幅圖片就有1010個(gè)子區(qū)域，也就有了1010個(gè)統(tǒng)計(jì)直方圖，利用這1010個(gè)統(tǒng)計(jì)直方圖，就可以描述這幅圖片了。之后，我們利用各種相似性度量函數(shù)，就可以判斷兩幅圖像之間的相似性了；

3、對(duì)LBP特征向量進(jìn)行提取的步驟

（1）首先將檢測(cè)窗口劃分為16×16的小區(qū)域（cell）；

（2）對(duì)于每個(gè)cell中的一個(gè)像素，將相鄰的8個(gè)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(diǎn)的位置被標(biāo)記為1，否則為0。這樣，3*3鄰域內(nèi)的8個(gè)點(diǎn)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(diǎn)的LBP值；

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

（4）最后將得到的每個(gè)cell的統(tǒng)計(jì)直方圖進(jìn)行連接成為一個(gè)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(jī)器學(xué)習(xí)算法進(jìn)行分類了。

====================================================

人臉識(shí)別之LBP (Local Binary Pattern)

1.算法簡(jiǎn)介

LBP是一種簡(jiǎn)單，有效的紋理分類的特征提取算法。LBP算子是由Ojala等人于1996年提出的，主要的論文是"Multiresolution gray-scale and rotation invariant texture classification with local binary patterns", pami, vol 24, no.7, July 2002。LBP就是"local binary pattern"的縮寫。

關(guān)于論文的講解可參考鏈接　　http://blog.sina.com.cn/s/blog_916b71bb0100w043.html

從紋理分析的角度來看，圖像上某個(gè)像素點(diǎn)的紋理特征，大多數(shù)情況下是指這個(gè)點(diǎn)和周圍像素點(diǎn)的關(guān)系，即這個(gè)點(diǎn)和它的鄰域內(nèi)點(diǎn)的關(guān)系。從哪個(gè)角度對(duì)這種關(guān)系提取特征，就形成了不同種類的特征。有了特征，就能根據(jù)紋理進(jìn)行分類。LBP構(gòu)造了一種衡量一個(gè)像素點(diǎn)和它周圍像素點(diǎn)的關(guān)系。

對(duì)圖像中的每個(gè)像素，通過計(jì)算以其為中心的3*3鄰域內(nèi)各像素和中心像素的大小關(guān)系，把像素的灰度值轉(zhuǎn)化為一個(gè)八位二進(jìn)制序列。具體計(jì)算過程如下圖所示，對(duì)于圖像的任意一點(diǎn)Ic，其LBP特征計(jì)算為，以Ic為中心，取與Ic相鄰的8各點(diǎn)，按照順時(shí)針的方向記為 I0,I1,…,I7；以Ic點(diǎn)的像素值為閾值，如果 Ii 點(diǎn)的像素值小于Ic，則 Ii 被二值化為0，否則為1；將二值化得到的0、1序列看成一個(gè)8位二進(jìn)制數(shù)，將該二進(jìn)制數(shù)轉(zhuǎn)化為十進(jìn)制就可得到Ic點(diǎn)處的LBP算子的值。
　　基本的LBP算子只局限在3*3的鄰域內(nèi)，對(duì)于較大圖像大尺度的結(jié)構(gòu)不能很好的提取需要的紋理特征，因此研究者們對(duì)LBP算子進(jìn)行了擴(kuò)展。新的LBP算子LBP（P,R） 可以計(jì)算不同半徑鄰域大小和不同像素點(diǎn)數(shù)的特征值，其中P表示周圍像素點(diǎn)個(gè)數(shù)，R表示鄰域半徑，同時(shí)把原來的方形鄰域擴(kuò)展到了圓形，下圖給出了四種擴(kuò)展后的LBP例子，其中，R可以是小數(shù)，對(duì)于沒有落到整數(shù)位置的點(diǎn)，根據(jù)軌道內(nèi)離其最近的兩個(gè)整數(shù)位置像素灰度值，利用雙線性差值的方法可以計(jì)算它的灰度值。

LBP(P,R)有2^p 個(gè)值，也就是說圖像共有2^p種二進(jìn)制模型，然而實(shí)際研究中發(fā)現(xiàn)，所有模式表達(dá)信息的重要程度是不同的，統(tǒng)計(jì)研究表明，一幅圖像中少數(shù)模式特別集中，達(dá)到總模式的百分之九十左右的比例，Ojala等人定義這種模式為Uniform模式，如果一個(gè)二進(jìn)制序列看成一個(gè)圈時(shí)，0-1以及1-0的變化出現(xiàn)的次數(shù)總和不超過兩次，那么這個(gè)序列就是Uniform模式 ，比如，00000000、00011110、00100001、11111111，在使用LBP表達(dá)圖像紋理時(shí)，通常只關(guān)心Uniform模式，而將所有其他的模式歸到同一類中。

人臉圖像的各種LBP模式如下圖所示，由圖中可以看出，變化后的圖像和原圖像相比，能更清晰的體現(xiàn)各典型區(qū)域的紋理，同時(shí)又淡化了對(duì)于研究?jī)r(jià)值不大的平滑區(qū)域的特征，同時(shí)降低了特征的維數(shù)。比較而言，Uniform模式表現(xiàn)的更逼真，在人臉識(shí)別和表情識(shí)別應(yīng)用中，都是采用這種模式。

在表情識(shí)別中，最常用的是把LBP的統(tǒng)計(jì)柱狀圖作為表情圖像的特征向量。為了考慮特征的位置信息，把圖像分成若干個(gè)小區(qū)域，在每個(gè)小區(qū)域里進(jìn)行直方圖統(tǒng)計(jì)，即統(tǒng)計(jì)該區(qū)域內(nèi)屬于某一模式的數(shù)量，最后再把所有區(qū)域的直方圖一次連接到一起作為特征向量接受下一級(jí)的處理。

LBP算子利用了周圍點(diǎn)與該點(diǎn)的關(guān)系對(duì)該點(diǎn)進(jìn)行量化。量化后可以更有效地消除光照對(duì)圖像的影響。只要光照的變化不足以改變兩個(gè)點(diǎn)像素值之間的大小關(guān)系，那么LBP算子的值不會(huì)發(fā)生變化，所以一定程度上，基于LBP的識(shí)別算法解決了光照變化的問題，但是當(dāng)圖像光照變化不均勻時(shí)，各像素間的大小關(guān)系被破壞，對(duì)應(yīng)的LBP模式也就發(fā)生了變化。

如果圖像旋轉(zhuǎn)了，那么紋理特征就旋轉(zhuǎn)了，這時(shí)得到的2進(jìn)制串也就旋轉(zhuǎn)了，LBP值會(huì)相應(yīng)變化。為了讓LBP具有旋轉(zhuǎn)不變性，將二進(jìn)制串進(jìn)行旋轉(zhuǎn)。假設(shè)一開始得到的LBP特征為10010000，那么將這個(gè)二進(jìn)制特征，按照順時(shí)針方向旋轉(zhuǎn)，可以轉(zhuǎn)化為00001001的形式，這樣得到的LBP值是最小的。無論圖像怎么旋轉(zhuǎn)，對(duì)點(diǎn)提取的二進(jìn)制特征的最小值是不變的，用最小值作為提取的LBP特征，這樣LBP就是旋轉(zhuǎn)不變的了。當(dāng)P=8時(shí)，能產(chǎn)生的不同的二進(jìn)制特征數(shù)量是2^8個(gè) 經(jīng)過上述表示，就變?yōu)?6個(gè)。(我以為應(yīng)當(dāng)是2^8/8=32個(gè))

總結(jié)

以上是生活随笔為你收集整理的目标检测的图像特征提取之LBP特征的全部?jī)?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(cuò)，歡迎將生活随笔推薦給好友。