面向纹理分类的尺度选择性扩展局部二值模式
图像与视频处理
2018-12-12 v1
摘要
本文提出一种新的纹理描述子——尺度选择性扩展局部二值模式（SSELBP），用于刻画具有尺度变化的纹理图像。我们首先利用具有旋转不变性和均匀映射的多尺度扩展局部二值模式（ELBP）来捕获鲁棒局部微观与宏观特征。然后，我们使用高斯滤波器构建尺度空间，并计算图像在各尺度下多尺度ELBP的直方图。最后，我们从不同尺度上多尺度ELBP直方图的对应 bin 中选取最大值作为尺度不变特征。在公开纹理数据库（KTH-TIPS 和 UMD）上的综合评估表明，所提出的 SSELBP 在灰度、旋转和尺度不变纹理分类上达到了与最先进纹理描述子相当的高精度，但仅使用了三分之一的特征维度。
引用
@article{arxiv.1812.04174,
title = {Scale Selective Extended Local Binary Pattern for Texture Classification},
author = {Yuting Hu and Zhiling Long and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1812.04174},
year = {2018}
}
备注
IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2017