lbp
lbp
LBP指局部二值模式,英文全稱:Local Binary Patterns。最初功能為輔助圖像局部對比度,並不是一個完整的特徵描述子。
在數字圖像處理和模式識別領域,
無
二進位數11110001的順序並無硬性要求,只要在同一處理中保持相同的順序即可。
圖1,LBP示意圖
圖2,LBP可以去多個周圍像素點和採樣半徑
LBP運算元可以取多個周圍像素點和採樣半徑。
但是這樣的LBP描述特徵能力有限,且不具備旋轉不變性。很容易想象,如果圖片進行了旋轉,則LBP值也會隨之改變。因此有了下面的改進。
將LBP周圍的二進位碼(如11110001)按位旋轉,取二進位碼最小的值。對於11110001情況,我們按位旋轉,得到11100011,11000111,10001111,0001111,00111110,01111100,11111000七個不同的二進位數,最小值為00011111,則取該種模式(pattern)為最終LBP。這又稱為LBPROT,或寫為LBPp,r ri。
對於採樣半徑為1,周圍像素點數為8的情況,LBPROT運算元(即具有旋轉不變性的LBP模式)總共有36個。
LBPROT
在以上的基礎上,又有了Uniform LBP的出現。
所謂Uniform LBP,指在LBP二進位數中,0到1和1到0的跳變總數不超過兩次。如00000000和11111111,並沒有0,1跳變,U=0。對於11110000和00001111,則有一次跳變,U=1。對於Uniform LBP來說,具備旋轉不變性的pattern只有9個,如圖3LBPROT中第一排標號為0-8的pattern。因此,最終結果為統計Uniform LBP pattern的直方圖,把所謂的nonUniform放入直方圖的另一個bin中,得到最終的特徵向量。
Uniform LBP在局部紋理描述上取得了較好的描述效果,原因在於,Uniform LBP 的各種模式佔據了圖像中所有模式的絕大部分。不同採樣半徑和周圍像素點個數會不同,但Uniform LBP佔據了所有模式的50%~95%。
LBP還有很多變種,如CLBP,LBPHF等等。有興趣的讀者可以閱讀相關文獻。
LBP已經成功應用於人臉檢測,唇語識別,表情檢測,動態紋理等等領域。其演演算法複雜度低,消耗內存小,原理簡單,但並不一定適合所有的特徵描述。
線性反投影演演算法(Linear Back Projection,簡稱 LBP)又稱累加法,是最早使用的一種簡單(ECT圖像重建)成像演演算法。它將通過某點的所有投影射線進行累加,再反向估算出該點的密度值。從成像觀點分析,它是不完全的雷登逆變換(完整的雷登逆變換包括微分、希爾伯特變換、反投影和歸一化等步驟)。
其中, Ce i ,j、 Ci f,j分別為管中充滿 A 相和 B 相時的電容,mCi ,j為管中同時存在 A 相和 B 相介質時的電容。線性反投影的數學解釋為:假設S是介電常數向量空間到電容向量空間的映射,則 ST 可視為電容向量空間到介電常數空間的映射,由於 S- 1不存在,用 ST 取代 S-1 ,則線性反投影的矩陣形式為
lbp
1) 基於均質靈敏度信息,利用線性反投影演演算法獲得初始圖像;
2) 利用已獲得的介電常數分佈,求解正問題,得到一組模擬電容值,將該值與測量電容值進行比較,若誤差已達到滿意值,演演算法結束,否則進行下步;
3) 修正靈敏度信息;
4) 根據上步已經修正後的靈敏度信息,利用測量電壓重新進行線性反投影;返回第二步,並進行循環迭代,直到獲得滿意的結果為止,迭代結束。
LBP:黎巴嫩鎊的標準符號
黎巴嫩鎊(Lebanese Pound)法語:里拉(livre)原符號:£L. 標準符號:LBP
lbp
1LBP=100 piastres(皮阿斯特)