用于纹理特提取的改进的LBP算法.docVIP

用于纹理特征提取的改进的LBP算法 刘 豪1, 杨永全1, 郭仙草1, 宋志浩1 LIU Hao1, YANG Yongquan1, GUO Xiancao1, SONG Zhihao1 1.西安工程大学 计算机科学学院，陕西 西安 710048 1. School of Computer Science, Xian Polytechnic University, Xi’an 710048, China, LIU Hao, YANG Yongquan, GUO Xiancao, SONG Zhihao. An improved LBP used for texture feature extraction. Computer Engineering and Applications Abstract：For most texture feature extraction method, the problem of high computational complexity always exists. In this paper, an improved Complete Local Binary Pattern algorithm (ICLBP) is proposed based on Complete LBP (CLBP). ICLBP preserves the CLBP_S in CLBP, while makes an improvement on CLBP_M and CLBP_C, and proposes a new texture description operator ICLBP_T. ICLBP can describe the local texture feature in a comprehensive way, and the problem that CLBP_M operator in CLBP is sensitive to uneven distribution of gray, is well solved in ICLBP. The classification results on Outex and CURet image databases suggest that, compared to the existing LBP algorithm, ICLBP have obtained a higher classification accuracy, meanwhile, the ICLBP_SCT feature in ICLBP has a lower feature dimension and better practical value. Key words：Texture feature extraction; local binary patterns; CLBP; ICLBP 摘 要：针对现有的纹理特征提取方法计算复杂度高的问题，利用局部二值模式（LBP）算法思想简单、计算复杂度小的优势，在已有的完整LBP（CLBP）算法基础上，提出了一种改进的CLBP算法（ICLBP）。ICLBP算法保留了CLBP算法中CLBP_S，而对CLBP_M算子、CLBP_C算子进行了改进，并提出一个新的纹理描述算子ICLBP_T。ICLBP算法更全面地描述了局部窗口的纹理特征，同时有效解决了CLBP算法中CLBP_M算子对灰度分布不均敏感的问题。通过对Outex、CURet数据库的数据分类实验，结果表明，相比于已有的LBP算法，ICLBP算法的分类精度有了明显的改进，同时ICLBP算法中ICLBP_SCT特征具有较低的特征维数，具有较好的实用价值。 关键词：纹理特征提取；局部二值模式；CLBP；ICLBP 文献标志码: A 中图分类号: TP391 1 引言 纹理特征是一种不依赖于颜色或亮度而反映图像中同质现象的视觉特征，它是物体表面共有的内在特性[1]。纹理特征提取方法一直是模式识别研究和关注的焦点。在近50多年的研究中，许多研究者提出了各种纹理特征提取方法，诸如灰度共生矩阵[2]、小波理论[3]、分形理论[4]、马尔可夫随机场[5]等，这些方法在图像分类和模式识别应用领域内取得了较好的效果。灰度共生矩阵是建立在估计图像的二阶组合条件概率密度基础上提取的纹理特征，反映了图像关于灰度方向、相邻间隔、变化幅度的综合信息，具有较好的鉴别能力；小波理论通过纹理的多分辨表示，能在精细的尺度上分析纹理，更符合人类视觉特征；分形理论把图像的空间信息和灰度信息有机地结合起来，提供了一种基于参数化的纹理特性描述方法，它能够更准确地表达纹理的特征；马尔可夫随机场是用