局部高阶统计(LHS)：利用局部非二值化像素模式统计描述图像
计算机视觉与模式识别
2015-10-05 v1
摘要
我们提出一种新的图像表示用于纹理分类和面部分析，依赖于使用高阶局部差分统计作为特征。最近研究表明，小的局部像素模式分布可具有高度判别性且计算极其高效，这与基于图像全局结构的模型形成对比。受此类工作启发，我们提出使用局部非二值化像素模式的高阶统计进行图像描述。所提模型不需要(i)用户指定（像素模式）空间的量化，也不需要(ii)任何丢弃低占用空间体积的启发式方法。我们提出使用数据驱动的软量化空间，结合参数混合模型与基于Fisher scores的高阶统计。我们证明这导致了更具表达力的表示，当与判别学习的分类器和度量结合时，在低复杂度设置下在具有挑战性的纹理和面部分析数据集上实现了最先进的性能。此外，它与高复杂度特征互补，结合后提升性能。
引用
@article{arxiv.1510.00542,
title = {Local Higher-Order Statistics (LHS) describing images with statistics of local non-binarized pixel patterns},
author = {Gaurav Sharma and Frederic Jurie},
journal= {arXiv preprint arXiv:1510.00542},
year = {2015}
}
备注
CVIU preprint