基于魯棒局部二值模式的紋理圖像分類算法研究.pdf

1、紋理在自然界中廣泛存在，大多數(shù)物體的表面均可稱之為紋理，它反映了物體的物理屬性。近年來，以局部二值模式（local binary pattern, LBP）為代表的紋理特征被廣泛應(yīng)用到模式識(shí)別的各個(gè)領(lǐng)域。然而現(xiàn)有 LBP特征在一些方面的表征能力仍不夠魯棒，存在對(duì)圖像的空間信息表征不夠、對(duì)含有噪聲情況下的圖像的表征能力弱等問題。為此，本文主要從增加 LBP的全局信息表示和抵制噪聲影響兩個(gè)方面進(jìn)行了較為深入的研究。
　　一方面，針對(duì)

2、LBP僅對(duì)圖像的局部信息進(jìn)行分析、丟失了圖像的空間分布信息，因而很難全面有效地描述圖像的問題，本文借鑒全局與局部特征相結(jié)合的思想，通過在 LBP的基礎(chǔ)上增加全局特征來進(jìn)一步提升其對(duì)圖像的表征能力。具體方法是將 LBP與全局灰度直方圖特征相結(jié)合形成全局與局部特征模式（global and local binary pattern, GLBP），該特征既包含圖像的局部信息又包含圖像的空間分布信息，能夠更加全面有效的描述圖像。通過在Outex

3、紋理數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)驗(yàn)證了GLBP的性能。
　　另一方面，針對(duì) LBP在含有噪聲情況下對(duì)圖像的表征能力弱的問題，提出一種對(duì)噪聲較為魯棒的紋理特征表示方法——抗噪聲完整增強(qiáng)局部二值模式（CELBPNT）。該特征對(duì)光照、旋轉(zhuǎn)和噪聲均具有較好的魯棒性，其提取過程如下：首先根據(jù) LBP中各模式的結(jié)構(gòu)和出現(xiàn)頻率對(duì)特征中的模式重新分類，提出增強(qiáng)局部二值模式（ELBP）特征；接著添加差值的模值信息與中心像素信息，并根據(jù)圖像尺寸自適應(yīng)地調(diào)整其中的

4、閾值，提出完整增強(qiáng)局部二值模式（CELBP）特征；最后，進(jìn)一步將該特征進(jìn)行多尺度下的表示，從而最終提出具有抗噪聲能力的紋理特征——CELBPNT。通過在Outex和CUReT紋理數(shù)據(jù)庫(kù)上添加不同強(qiáng)度和不同類型噪聲的情況進(jìn)行實(shí)驗(yàn)，結(jié)果表明：CELBPNT不僅能夠顯著提升無噪聲紋理圖像的分類性能，而且對(duì)含有噪聲的紋理圖像分類也有較為明顯的性能提高。
　　最后，針對(duì)本文所做工作進(jìn)行了歸納總結(jié)，并結(jié)合本文存在的不足之處分析和討論了進(jìn)一步的