十一、LBP特征

原始：以中心為閾值，相鄰8個(gè)像素的灰度值與其進(jìn)行比較

• 若周?chē)袼刂荡笥诘扔谥行?#xff0c;標(biāo)記為1
• 若小于中心，標(biāo)記為0
• 周?chē)藗€(gè)點(diǎn)產(chǎn)生8位二進(jìn)制數(shù)就為L(zhǎng)BP值，(0,255)

圓形化改進(jìn)：

• 為了能夠適應(yīng)更多范圍，改為半徑位r的圓

• 由于這樣會(huì)導(dǎo)致坐標(biāo)可能不是整數(shù)

  • 所以通過(guò)雙線性插值法得到該采樣點(diǎn)的坐標(biāo)

• LBP等價(jià)模式

  • 對(duì)于P個(gè)采樣點(diǎn)的LBP算子會(huì)產(chǎn)生2的P次方種模式，為了解決二進(jìn)制模式過(guò)多的問(wèn)題，需要通過(guò)等價(jià)模式(0-2次轉(zhuǎn)跳)進(jìn)行降維
  • 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(lèi)， 除等價(jià)模式類(lèi)以外的模式都?xì)w為另一類(lèi)，稱(chēng)為混合模式類(lèi)，例如10010111(共四次跳變)
  • 這樣由原來(lái)的2的P次方減少為P(P-1)+2種
  • 混合模式的編碼為0

• 檢測(cè)原理

  • 一般用LBP特征譜的統(tǒng)計(jì)直方圖作為特征向量用于分類(lèi)識(shí)別
  • 如果對(duì)于100×100像素圖片，劃分為10×10的子區(qū)域，也就有10×10個(gè)統(tǒng)計(jì)直方圖
  • 通過(guò)相似性度量函數(shù)度量?jī)煞鶊D之間的相似性

• MB—LBP特征

  • 小區(qū)域的灰度平均值作為小區(qū)域的灰度值
  • 與周?chē)^(qū)域灰度進(jìn)行比較形成LBP特征

• LBPH——圖像的LBP特征向量

  • 計(jì)算圖像的LBP特征圖像
  • 計(jì)算每塊區(qū)域特征圖像的直方圖cell_LBPH，將直方圖進(jìn)行歸一化
  • 將每塊區(qū)域的直方圖按空間順序依次排列成一行，形成LBP特征向量
  • 對(duì)LBP特征向量進(jìn)行訓(xùn)練從而檢測(cè)和表示目標(biāo)

• 在獲取每一個(gè)小塊(cell)后，對(duì)其進(jìn)行直方圖統(tǒng)計(jì)后，再進(jìn)行歸一化處理，最后將所有小塊的直方圖拼接在一起作為本圖片的特征數(shù)據(jù)

總結(jié)

以上是生活随笔為你收集整理的机器学习——LBP特征的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。