利用各向异性扩散改进 LBP 及其变体
计算机视觉与模式识别
2017-03-14 v1
摘要
本文的主要目的是提出一种新的预处理步骤，以改进局部特征描述子和纹理分类。预处理通过使用有助于突出在纹理识别中起重要作用的显著特征的变换来实现。我们评估并比较了四种不同的竞争方法：三种不同的各向异性扩散方法，包括经典的各向异性 Perona-Malik 扩散及其两种后续正则化，以及高斯核的应用，后者是纹理分析中经典的多尺度方法。分析了变换图像与原始图像的组合。结果表明，使用该预处理步骤确实能提高纹理识别效果。
引用
@article{arxiv.1703.04418,
title = {Improving LBP and its variants using anisotropic diffusion},
author = {Mariane B. Neiva and Patrick Guidotti and Odemir M. Bruno},
journal= {arXiv preprint arXiv:1703.04418},
year = {2017}
}
备注
14 pages, 10 figures