BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification 特征描述子构建

原创

已于 2023-02-17 18:40:18 修改 · 473 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

于 2023-02-17 17:15:13 首次发布

BRINT是一种基于LBP的新型特征描述模式，旨在解决LBP对噪声敏感和旋转不变性差的问题。BRINT通过构建旋转不变的二进制特征描述子，提高了纹理分类和图像匹配的性能。它包括BRINT_S、BRINT_M和BRINT_Cb三个部分，分别针对不同方面增强描述符的性能。通过拼接这些描述子，可以创建高效且信息丰富的特征向量用于图像分析。

本文是我读完论文“BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification”，进行个人理解与总结，致敬作者，不涉及官方理解，也并没有与论文作者进行沟通。如有侵权，联系删除~~~

一、BRINT开发背景

简要来说，BRINT(Binary Rotation Invariant and Noise Tolerant Texture Classification)，一个以二进制模式实现旋转不变性与噪声弱敏感，可以达到特征纹理进行分类，从而提高图像特征匹配性能的新型特征描述模式，是基于LBP特征描述模式开发的一种新型简单策略描述模式。LBP模式已经出现了很多变体，但仍然存在一些局限性，例如对噪声的敏感性较高，无法捕获长焦域纹理信息等，而这也是BRINT诞生的出发点。

本文不在详细赘述LBP模式的实现及其优缺点，而着重总结BRINT特征描述模式的构建过程。
论文链接：BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification
LBP特征描述模式：LBP原理介绍以及算法实现

二、BRINT特征描述模式

1.开发意义

（1）LBP算子在邻域较小时也会产生很长的直方图，判别能力随邻域扩大而变小，存储需求较大；
（2）LBP描述符对纹理的局部结构比较适用，但是不适用于更大的纹理结构描述。当邻域较大时，LBP维数也会变得难以处理；
（3）LBP描述子对图像旋转较为敏

最低0.47元/天解锁文章