资 源 简 介
局部二元模式（LBP）是一种用于在计算机视觉分类功能。 LBP是特定情况在1990年[1] [2] LBP于1994年首先描述[3] [4]它提出的纹理谱模型由于被认为是一个强大的功能的纹理分类;它已经进一步确定，当LBP是结合定向梯度直方图（HOG）的描述符，它提高了检测性能相当一些数据集。该LBP特征向量，在其最简单的形式中，通过以下方式创建的：划分检测窗口进入细胞（例如16×16像素的每个单元格）。用于在小区中的每个像素，比较像素到它的每一个8邻居（在它的左顶，左中间，左底部右顶部，等等）。跟随一个圆，即顺时针或逆时针的像素。其中，中心像素的值大于邻居的值，写入“1”。否则，写“0”。这使一个8位二进制数（通常是转换为十进制为方便起见）。计算的每个“号码”中出现的频率的直方图，在细胞内，（即，对每个组合哪些像素是较小的，哪些是大于该中心）。任选正常化直方图。串联所有细胞（归）直方图。这给出了窗口的特征向量。特征向量现在可以使用支持向量机或其他机器学习处理算法进行分类的图像。这样的分类可以用于人脸识别或纹理分析。
