积分商城

最新搜索： CH340 排插 入门教程 canopen TMC5160 altium Designer 20 电路设计与仿真从入门到精通
您现在的位置是：首页 > 技术资料 > 一种基于二维局部二值模式的纹理图像分类方法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

一种基于二维局部二值模式的纹理图像分类方法

更新时间：2019-12-24 02:56:47 大小：2M 上传用户：守着阳光1985查看TA发布的资源 标签：纹理图像分类 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

局部二值模式(Local Binary Pattern,LBP)在纹理分类中受到越来越多的关注,传统的基于局部二值模式的图像识别方法在LBP直方图统计时仅仅考虑到LBP模式值本身的数量统计,却忽略了模式值之间的相关性.针对这一问题,本文提出一种二维局部二值模式(Two Dimensional Local Binary Pattern,2DLBP)方法,并用于纹理图像识别.首先以旋转不变均匀LBP特征图为基础,引入滑动窗口和LBP模式对的概念,统计LBP模式图的上下文信息,构造出2DLBP特征;然后改变LBP中的半径参数,构造图像的多分辨率2DLBP特征,并利用支持向量机(SVM)的分类方法进行纹理分类;最后选取Brodatz、CURe T、UIUC、FMD四个公开纹理库分别进行纹理分类测试.理论验证表明该方法具有良好的通用性,可以与LBP的其他变型结合成为新的图像特征构造方法.同时,实验结果表明,本文提出方法具有较好的纹理图像分类能力


部分文件列表

文件名 大小
一种基于二维局部二值模式的纹理图像分类方法.pdf 2M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
10  
Vol． 46 No． 10  
Oct． 2018  
第
2018  
期
10  
电
子
ACTA ELECTRONICA SINICA  
学
报
年
月
一种基于二维局部二值模式的纹理图像分类方法  
，
，
，
，
王凯丽 张艳红 肖 斌 李伟生  
(
400065)  
重庆邮电大学计算智能重点实验室 重庆  
:
( Local Binary Pattern，LBP)  
，
摘
要
局部二值模式  
LBP  
在纹理分类中受到越来越多的关注 传统的基于局部二值模  
LBP  
，
．
式的图像识别方法在  
直方图统计时仅仅考虑到  
( Two Dimensional Local Binary Pattern，2DLBP)  
模式值本身的数量统计 却忽略了模式值之间的相关性 针  
，
，
方法 并用于纹理图像识  
对这一问题 本文提出一种二维局部二值模式  
．
别 首先以旋转不变均匀  
LBP  
，
LBP  
，
LBP  
，
特征图为基础 引入滑动窗口和  
模式对的概念 统计  
模式图的上下文信息 构  
2DLBP  
;
LBP  
，
2DLBP  
，
( SVM)  
造出  
特征 然后改变  
中的半径参数 构造图像的多分辨率  
特征 并利用支持向量机  
的分类  
;
Brodatz、CUReT、UIUC、FMD  
．
四个公开纹理库分别进行纹理分类测试 理论验证表明该方  
方法进行纹理分类 最后选取  
，
LBP  
．
， ，  
法具有良好的通用性 可以与  
的其他变型结合成为新的图像特征构造方法 同时 实验结果表明 本文提出方法  
．
具有较好的纹理图像分类能力  
:
( LBP) ;  
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
局部二值模式  
纹理图像 上下文信息 纹理图像分类  
0372-2112 ( 2018) 10-2519-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 10． 028  
:
TP391  
:
A
:
文章编号  
文献标识码  
电子学报  
Texture Images Classification Based on  
Two Dimensional Local Binary Patterns  
WANG Kai-li，ZHANG Yan-hong，XIAO Bin，LI Wei-sheng  
( Chongqing Key Laboratory of Computation Intelligence，Chongqing University of Posts and Telecommunication，Chongqing 400065，China)  
Abstract: Local binary patterns have been widely used in texture images classification． However，conventional LBP  
methods focus on the distribution of LBP values and ignore the spatial contextual information between LBP patterns． In this  
paper，a texture images classification method based on two-dimensional Local Binary Pattern ( 2DLBP) is proposed． The  
proposed method introduces a sliding window to count the weighted occurrence number of LBP pairs on the feature map of  
rotation invariant uniform LBP． The radius of LBP is also changed to obtain the multi-resolution 2DLBP features． At last，  
texture images are classified using the methods of the support vector machine ( SVM) ． Theoretical validation shows that the  
proposed method is a generalized framework，and can be integrated with other LBP variants to derive a new feature extrac-  
tion method． Experimental results show that，compared with the conventional LBP，the variants of LBP，and some state of the  
art texture classification methods，the proposed method achieves acceptable performance in texture images classification．  
Key words: local binary pattern; texture images; contextual information; texture image classification  
［2］  
取方法［1］ 基于灰度共生矩阵方法  
以及利用纹理元灰  
、
、
1
引言  
度模式统计特征的方法［3］等 结构方法适合描述人工纹  
．
，
纹理是物体表面的基本属性 人们在感知外界物  
，
理 典型的方法有基于梯度大小集合的结构特征提取方  
［4］和基于粒度结构确定窗口尺寸的纹理分类方法［5］  
，
．
体时 会根据其不同的纹理来作为识别的参考信息 因  
法
，
此 纹理特征的提取与分类在计算机视觉的研究与应  
．
．
等 模型方法则是对图像建模并将特征提取转化为参数  
用中具有非常重要的作用  
［6］  
，
、
估计问题 如质心不变特性的放射变换方法  
基于高斯  
、
、
常见的纹理图像分类方法有统计方法 结构方法 模  
马尔可夫随机场纹理分类［7］等 滤波方法大多建立在频  
．
、
．
型方法 滤波方法和深度学习方法等 统计方法是纹理分  
域能量分布鉴别纹理的假设上 滤波方法［8］有很好的分  
，
，
类问题中常采用的方法 主要有基于小波变换的特征提  
: 2017-04-20;  
: 2017-11-23;  
:
收稿日期  
修回日期  
责任编辑 孙瑶  
:
( No． 61572092) ;  
—
( No． U1401252) ;  
( No． 2016YFC1000307-3)  
国家重点研发计划  
基金项目 国家自然科学基金  
国家自然科学基金 广东联合基金  
2520  
2018  
电
子
学
报
年
［9］  
，
．
，
另外 基  
，
增加呈现指数增长 随之导致图像特征的维度急剧上  
类计算能力 但计算复杂度高参数选取复杂  
．
，
LBP  
．
不具备旋转不变性 针对该  
于深度学习的纹理识别方法主要有非监督卷积神经网  
升 此外 圆形邻域的  
［13］  
u2  
络
［10］和全监督卷积神经网络［11］  
等
问题  
等人 进一步提出了均匀  
ri  
．
，Ojala  
LBP( LBP ) ，  
旋
riu2  
P，R  
［12］  
Ojala  
( Local  
等人 率先提出基于局部二值模式  
LBP( LBP  
)
LBP( LBP ) ．  
以及它们的联合  
P，R  
转不变  
P，R  
Binary Pattern，LBP)  
，
的纹理图像分类方法 该方法在计  
．
LBP  
，
，
由于  
LBP  
方法在纹理分类上的优越性 近年来 大  
算机视觉和模式识别领域引起了广泛关注 在文献  
．
变型方法涌现 这些  
LBP  
量的  
变型方法可以总结  
［13］ ，  
，
中 作者进一步采用圆形邻域来替代矩形邻域 从  
:
;
为三类 ①改变编码或模式选择方式的变型 ②改变邻  
，
R
而将固定邻域扩展到任意邻域 并以 表示邻域像素  
;
LBP  
域拓扑或抽样结构的变型 ③将  
和其他互补特征  
，P  
．
点到中心像素点的半径  
，LBP  
为均匀邻域采样点的个数  
P
．
1
．
相结合的变型 具体叙述如表 所示  
，
然而 该方法中  
直方图的维度会随着 值数量的  
1
LBP  
LBP  
表
和常见  
变型方法总结  
类别  
方法名称  
缩写  
LBP  
年份  
1996  
2002  
2002  
2002  
2007  
2010  
2010  
2012  
2014  
2015  
2017  
2009  
2012  
2016  
2009  
2010  
2016  
［12］  
Local Binary Pattern  
P，R  
ri  
［13］  
LBP  
LBP  
LBP  
Rotation Invariant Local Binary Pattern  
P，R  
LBP  
传统  
方法  
u2  
［13］  
Uniform Local Binary Pattern  
P，R  
riu2  
［13］  
Rotation Uniform Invariant Local Binary Pattern  
P，R  
［14］  
LBP-TOP  
CLBP  
Local Binary Pattern-Three Orthogonal Planes  
［15］  
Completed Local Binary Pattern  
［14］  
LTP  
Local Ternary Patterns  
［14］  
disLBP  
PRICoLBP  
SSLBP  
CDLF  
改变编码或模式选择方式  
改变邻域拓扑或抽样结构  
The discriminative Local Binary Pattern  
［16］  
Pairwise Rotation Invariant Co-Occurrence Local Bianry Pattern  
［17］  
Scale Selective Local Binary Patterns  
［18］  
Learning completed discriminative local features  
［14］  
CSLBP  
ELBP  
Center Symmertric Local Binary Pattern  
［14］  
Elliptical Local Binary Pattern  
［19］  
LQC  
Local Quantization Code histogram for texture classification  
［20］  
LBP_HFF  
LBPV  
Local Binary Pattern Histogram Fourier features  
［14］  
LBP  
将
和其他互补特征相结合  
Local Binary Pattern Variance  
［21］  
QLBP  
Quaternionic Local Ranking Binary Pattern  
riu2  
LBP  
LBP  
LBP  
LBP  
2DLBP  
现有的  
( LBP  
及其变型方法只统计各  
模式值的  
式值的  
方法获取  
特征图并构造  
特
P，R  
)
，
数量  
直方图 作为图像的特征 该直方图统计的方  
，
:
征 具体步骤如下  
riu2  
LBP  
．
，
法丢失了  
模式值之间的关系 针对这一问题 本文  
( 1)  
，
LBP  
针对输入的纹理图像 采用  
．
方法得到  
P，R  
riu2  
LBP  
，
的基础上 提出了一种基于二维局部二值模式  
在
LBP  
特征图  
( 2)  
P，R  
( Two Dimensional Local Binary Pattern，2DLBP)  
的纹理图  
， LBP  
的二  
w × w( w ＞ 1)  
，
LBP  
引入  
的滑动窗口 在  
模式对 其中滑动窗口为提取模式值上下  
LBP  
特征图  
，
LBP  
像分类方法 利用  
维分布作为纹理图像的特征 从而实现分类 本文所提出  
LBP  
模式的上下文信息 将  
LBP  
，
中统计  
，
．
，
文信息的一种局部结构 该局部结构把窗口中心的  
，
的方法具有良好的通用性 可以与  
的其他变型结合  
l
，
LBP  
( l ，l ) ，  
模式对 其中  
．
模式值 作为统计对象 构造  
c
c
g
．
成为新的图像特征构造方法 与传统基于直方图统计的  
l
表示在滑动窗口中的中心模式值  
g
，
．
方法相比 该方法具有较高的纹理分类能力  
2DLBP ( l ，l ) =  
P，R  
c
g
riu2  
T
( LBP ( x，y) ，  
riu2  
2 2DLBP  
lc，lg  
P，R  
M－1 N－1  
w/2  
w/2  
LBP ( x + p，y + q) )  
∑∑ ∑ ∑  
P，R  
2. 1 2DLBP  
特征构造  
x = 0 y = 0 p = －w/2q = －w/2  
{
}
P
× ( l － l + 1)  
LBP  
2 ，  
P
c
g
由于原始  
( P + 2)  
加维度将成指数增长 因此 本文选择只有 个模  
模式值的个数为 随着 值的增  
( 1)  
．
，

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号