基于抗噪声局部二值模式的纹理图像分类

摘要：

局部二值模式（local binary pattern ，LBP）特征是一种简单有效的纹理特征描述符，但是它的抗噪声能力较差。针对这一问题，提出一种对噪声较为鲁棒的纹理特征表示方法———抗噪声的完整增强局部二值模式（noise-tolerant complete enhanced LBP ，CELBPNT ）。该特征基于局部二值模式特征，对光照、旋转和噪声均具有较好的鲁棒性。其提取过程如下：1）根据 LBP 中各模式的结构和出现频率对特征中的模式重新分类，提出增强局部二值模式（enhanced LBP ，ELBP）特征；2）添加差值的模值信息与中心像素信息，并根据图像尺寸自适应地调整其中的阈值，提出完整增强局部二值模式（complete ELBP ， CELBP）特征；3）进一步将该特征进行多尺度下的表示，从而最终提出具有抗噪声能力的纹理特征———CELBPNT 。通过在常用的纹理数据库上添加不同强度和不同类型噪声的情况进行实验，结果表明：CELBPNT 不仅能够显著提升无噪声纹理图像的分类性能，而且对含有噪声的纹理图像分类也有显著的性能提高。

关键词：局部二值模式、图像噪声、纹理图像分类、特征提取、多尺度分析

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61271325，61472273；天津大学“北洋学者-青年骨干教师”基金项目2015XRG-0014 This work was supported by the National Natural Science Foundation of China61271325，61472273;the Elite Scholar Program of Tianjin University 2015XRG-0014．

在线出版日期：2016-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1128-1135