局部二值模式(LBP)最早由ojala等人于2002年提出[1];
LBP能有效描述纹理特征,它对一个区域内的中心像素和相邻像素的差值选取合适的闽值进行二值化,从而得到局部二元图。基本LBP考虑的是—个像素的8邻域[2];
个人认为LBP也属于统计法,因为其首先根据邻域大小确定模板数量及类型,再统计所有像素对应的模板在各类型下的数量,以此为依据统汁区域内每个像素的基本LBP纹理,得到LBP纹理直方图;
[2]对LBP的介绍比较详细。
灰度共生矩阵是一种通过研究灰度的空间相关特性来描述纹理的常用方法;
由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性[3]
[3]对灰度共生矩阵的解释比较详细。
[1]Ojala T;Pietikainen M;Maenpaa T Multiresolution gray-scale and rotation invariant texture
classification with local binary patterns 2002(07)
[2]李斌,程义民,张玲.基于纹理的运动目标检测.
[3]
http://wenku.baidu.com/view/84a1c051f01dc281e53af07c.html