深度学习理论——特征提取算法

大家好，继续理论学习，今天介绍几种最常见的特征提取算法。

1.LBP算法（Local Binary Patterns，局部二值模式）

LBP算子是一种用来描述图像局部纹理特征的算子，具有灰度不变性。

其主要思想是在目标像素周围定义一个3x3的窗口，以目标像素为阈值，将相邻的8个像素的灰度值与目标像素进行对比，如果大于目标像素，则标记为1，如果小于等于则标记为0。这样，对每一个窗口都可以产生一个8位的二进制数。这样就得到了目标像素的LBP值。

其基本步骤为：

（1）首先将检测图像划分为16×16的小区域（cell）；

（2）对于每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值；

（3）然后计算每个cell的直方图，即每个数字（假定是十进制数LBP值）出现的频率。然后对该直方图进行归一化处理。

（4）最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量。然后便可利用SVM或者其他机器学习算法进行分类了。

 

2.HOG特征提取算法（Histogram of Oriented Gr