谈谈MRELBP

引言

针对传统LBP方法对噪声敏感，无法捕捉宏观信息的问题，作者引入了一种新的特征分类描述子，称为中值撸棒扩展局部二进制模式（MRELBP）。和传统的LBP及其变种不同，MRELBP是比较区域图像的中值而不是原始图像像素强度。实验证明，该方法对灰度变化，旋转变换和噪声具有较好的鲁棒性，并且计算代价低。

纹理分类主要由两个子问题组成，纹理提取和分类器选择。提取强大的纹理特征难点在于平衡高质量的描述子和低的计算复杂度之间的关系。LBP作为作为最突出的纹理描述子之一，具有易于实现、单一光照不变性、计算复杂度低等优点。

在ELBP方法提出了四种类似于LBP的描述符——基于中心强度的LBP (ELBP_CI)、基于邻域强度的LBP (ELBP_NI)、基于径向差异的LBP (ELBP_RD)和基于角差的LBP (ELBP_AD)。在这项工作中，ELBP_CI、ELBP_NI和ELBP_RD(统称为ELBP)的联合概率分布产生了良好的纹理分类性能，但仍有一些明显的缺点:对模糊或者噪声敏感、没能捕捉宏观结构、特征维度高。

为了解决上述缺点，本文提出了MRELBP，本文主要贡献如下：

1.介绍了一种能够同时封装宏观和微观信息的采样方案    2.局部中值和该采样方案结合，形成一种强大的纹理特征

3.提出的方案具有灰度不变性、旋转不变性，无需训练或者调整参数，具有较好的判别性和噪声鲁棒性。

方法

一、特征描述

ELBP中提到了两种互补的特征类型，分别是像素强度和像素差异，像素强度分为邻域像素强度和中心像素强度，像素差异分为径向差异和角度差异。其分别记做NI-LBP,CI-LBP.RD-LBP和AD-LBP，由于在统一LBP模式下AD-LBP所含信息量较少，为了降低维度提高计算效率，AD-LBP不作为后续研究的重点。在纹理提取方面，ELBP是利用单个像素的灰度值作为阈值进行比较，这里我们对其进行改进，在原来ELBP的基础上，我们利用一个滤波器响应来代替单个像素的值，RELBP_CI，RELBP_NI，RELBP_RD分别定义如下：

1.中心像素表示

表示中心像素的区域块，在经过尺寸为w*w的滤波器模型处理后的响应。表示整幅图中所有的均值。

2.邻域像素表示

其中表示以为中心，r为半径的邻域像素，经过尺寸为w*w的滤波器模型处理后的响应。表示该邻域内所有经过滤波器模型处理后的响应的均值。3

3.径向差异表示

其中括号内表示的是中心为，半径为r的区域中，径向距离相差1的两点和经过尺寸为w*w的滤波器模型处理后的响应的差值。

在上述的方法中，滤波器模型的选择十分重要。在高斯采用，平均采用，中值采用三种方法中，前两种通过加权局部空间中的值来降噪，其降噪效果并不明显，尤其在面对椒盐噪声和坏点时。因此，我们选择稳健的非线性的中值滤波作为滤波器模型，实现良好的抗噪性能。

二、编码方案

作者提出了一种新的编码方案

统一模式下划分成9个旋转不变组，非统一模式划分成5个旋转不变组并与统一模式合并。

三、多尺度方案，流程如图所示。

本文所提出的MRELBP方案具有很强的区分性，灰度和旋转不变性，无需训练，无需调参，计算效率高等优点。