20、基于多种指标和kNN分类器的LBP变体评估

基于多种指标和kNN分类器的LBP变体评估

1. 方法

1.1 纹理描述

• 局部二值模式（Local Binary Pattern，LBP） ：这是一种用于描述灰度图像纹理的算法，通过提取图像的局部空间结构来实现。对于给定的像素，通过将其与相邻像素的值进行比较来计算模式代码，公式如下：
  [
  LBPP,R = \sum_{p=0}^{P - 1} s(gp - gc)2^p, s(x) =
  \begin{cases}
  1, & \text{if } x \geq 0 \
  0, & \text{if } x < 0
  \end{cases}
  ]
  其中，$gc$ 是中心像素的值，$gp$ 是其相邻像素 $p$ 的值，$P$ 是相邻像素的数量，$R$ 是邻域的半径。在为每个像素计算得到 LBP 后，构建一个包含 $P + 2$ 个区间的直方图来描述整个图像，而不是使用典型的 256 元素直方图，这是因为使用了均匀 LBP，它的直方图只有 $P + 2$ 个值，公式如下：
  [
  LBP_{riu2}^{P,R} =
  \begin{cases}
  \sum_{p=0}^{P - 1} s(gp - gc)2^p, & \text{if } U(LBPP,R) \leq 2 \
  P + 1, & \text{otherwise}
  \end{cases}
  ]
  其中，$U(LBPP,R)$ 被定义为模式中的空间转换数量。
• 自适应局部二