1.算法簡(jiǎn)介

　　LBP是一種簡(jiǎn)單，有效的紋理分類(lèi)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(xiě)。

　　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(lái)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?chē)袼攸c(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(lèi)的特征。有了特征，就能根據(jù)紋理進(jìn)行分類(lèi)。LBP構(gòu)造了一種衡量一個(gè)像素點(diǎn)和它周?chē)袼攸c(diǎn)的關(guān)系。　

?

?

　　對(duì)圖像中的每個(gè)像素，通過(guò)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(guò)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?chē)袼攸c(diǎn)個(gè)數(shù)，R表示鄰域半徑，同時(shí)把原來(lái)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(méi)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(shuō)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(guò)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(lèi)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?chē)c(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(wèn)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(kāi)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?lè)较蛐D(zhuǎn)，可以轉(zhuǎn)化為00001001的形式，這樣得到的LBP值是最小的。無(wú)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(guò)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matlab学习：人脸识别之LBP (Local Binary Pattern)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。