用于含噪纹理分类与检索的鲁棒自适应中值二值模式

纹理是不同计算机视觉任务和应用的重要线索。局部二值模式（LBP）被认为是最好且高效的纹理描述子之一。然而，LBP 具有一些显著的局限性，主要是对噪声敏感。在本文中，我们通过引入一种新颖的纹理描述子——鲁棒自适应中值二值模式（RAMBP）来解决这些标准。RAMBP 基于含噪像素的分类过程、自适应分析窗口、尺度分析以及图像区域中值比较。所提出的方法处理具有高噪声纹理的图像，并通过捕获微观结构和宏观结构纹理信息来增加判别特性。所提出的方法已在流行的纹理数据集上针对分类和检索任务以及在不同高噪声条件下进行了评估。在没有任何训练或噪声类型先验知识的情况下，RAMBP 与最先进的技术相比取得了最佳分类。它在 $50\%$ 脉冲噪声密度下得分超过 $90\%$，在标准差 $\sigma = 5$ 的高斯噪声纹理下得分超过 $95\%$，在标准差 $\sigma = 1.25$ 的高斯模糊纹理下得分超过 $99\%$。所提出的方法在无噪声纹理分类中作为最佳描述子之一产生了竞争性结果和高性能。此外，RAMBP 在含噪纹理检索问题上也表现出高性能，为具有高噪声水平的纹理提供了高查全率和查准率得分。