基于边缘方向矩阵的局部二值模式描述子用于形状模式识别
计算机视觉与模式识别
2014-11-27 v1 信息检索
摘要
形状和纹理图像识别是模式识别的一个重要分支，其由旨在通过人类知识和工作从图像中提取信息的技术组成。局部二值模式 (LBP) 通过引入查找表来反映对象的均匀性结构，从而确保编码全局和局部信息以及尺度不变性。然而，边缘方向矩阵 (EDMS) 仅应用了采用一阶和二阶关系的全局不变描述子。本方法背后的主要思想是需要提高识别能力，这一目标通过组合使用这些描述子得以实现。这种协作旨在利用各自的主要优势，通过相互补充来提升各自的弱点。通过使用随机森林和多层感知器神经网络等多种分类器方法，我们将提出的组合描述子与基于灰度共生矩阵 (GLCM 与 EDMS)、LBP 和矩不变量的最先进组合方法，在四个基准数据集 MPEG-7 CE-Shape-1、KTH-TIPS 图像、Englishfnt 和阿拉伯书法上进行了比较。实验表明，所引入的描述子优于带有 EDMS 的 GLCM、LBP、矩不变量以及文献中其他知名描述子（如尺度不变特征变换）。
引用
@article{arxiv.1411.7336,
title = {Edge direction matrixes-based local binar patterns descriptor for shape pattern recognition},
author = {Mohammed A. Talab and Siti Norul Huda Sheikh Abdullah and Bilal Bataineh},
journal= {arXiv preprint arXiv:1411.7336},
year = {2014}
}