CN-LBP：基于复杂网络的局部二值模式用于纹理分类
图像与视频处理
2021-06-29 v3
摘要
为克服原始局部二值模式（LBP）的局限性，本文提出一种由复杂网络（CN）与LBP辅助的新纹理描述子，称为CN-LBP。具体而言，我们首先借助像素距离、强度与梯度（幅值与角度）将纹理图像（TI）抽象为不同波段上的有向图。其次，选取若干基于CN的特征度量（包括聚类系数、入度中心性、出度中心性与特征向量中心性）进一步解析纹理特征，生成四幅尽可能保留图像信息的特征图像。第三，给定原始TI、梯度图像（GI）与生成的特征图像，我们基于均匀LBP（ULBP）获得纹理图像的判别性表示。最后，通过联合计算并拼接空间直方图得到特征向量。与原始LBP相比，所提纹理描述子包含更详尽的图像信息，且对成像与噪声具有鲁棒性。在四个数据集上的实验结果表明，相较于基于LBP的先进变体与基于深度学习的方法，所提纹理描述子能显著提升分类精度。
引用
@article{arxiv.2105.06652,
title = {CN-LBP: Complex Networks-based Local Binary Patterns for Texture Classification},
author = {Zhengrui Huang},
journal= {arXiv preprint arXiv:2105.06652},
year = {2021}
}
备注
5 pages