Corak Binari Tempatan (LBP) ialah deskriptor ciri tekstur yang biasa digunakan untuk mendedahkan maklumat tekstur imej. Algoritma LBP pertama kali dicadangkan oleh Ojala et al pada tahun 1996, dan telah diperbaiki dan dibangunkan secara berterusan dalam penyelidikan seterusnya.
Idea asas algoritma LBP adalah untuk menukar hasil perbandingan kepada nombor binari dengan membandingkan nilai kelabu setiap piksel dengan piksel sekelilingnya. Dengan cara ini, setiap piksel boleh diwakili sebagai corak binari tempatan. Dengan mengira masa kejadian corak binari tempatan yang berbeza dalam imej, vektor ciri yang menerangkan maklumat tekstur imej boleh diperolehi.
Langkah pelaksanaan khusus algoritma LBP adalah seperti berikut:
Pilih piksel dalam imej (dipanggil piksel pusat) dan beberapa piksel di sekelilingnya (dipanggil piksel jiran).
Untuk setiap piksel jiran, bandingkan perbezaan nilai kelabunya dengan piksel tengah. Jika nilai kelabu piksel jiran lebih besar daripada piksel pusat, tetapkan ia kepada 1, jika tidak tetapkannya kepada 0.
Nilai perduaan piksel jiran digabungkan untuk membentuk corak perduaan tempatan bagi piksel pusat.
Lintasi keseluruhan imej, lakukan operasi di atas pada setiap piksel, dan akhirnya dapatkan imej yang terdiri daripada corak binari tempatan.
Untuk keseluruhan imej, kira bilangan kejadian corak binari tempatan yang berbeza dan bentuk vektor ciri.
Kelebihan algoritma LBP ialah ia mudah dikira, tidak memerlukan latihan, dan boleh menerangkan maklumat tekstur imej dengan berkesan Oleh itu, ia digunakan secara meluas dalam pengecaman imej, pengecaman muka, pengesanan pejalan kaki dan bidang lain.
Langkah pengekstrakan ciri imej corak binari tempatan
Algoritma corak binari tempatan boleh menerangkan dengan baik maklumat tekstur imej, jadi ia digunakan secara meluas untuk pengekstrakan ciri imej. Berikut ialah langkah pengekstrakan ciri imej corak perduaan tempatan am:
1 Prapemprosesan imej: Tukar imej kepada imej skala kelabu dan lakukan operasi prapemprosesan seperti penyamaan histogram untuk meningkatkan kontras imej dan keteguhan ciri. seks.
2. Pilih titik pensampelan dan jejari pensampelan: Untuk mengira corak binari tempatan, anda perlu memilih titik pensampelan dan jejari pensampelan. Titik pensampelan ialah piksel jiran di sekeliling piksel pusat, dan jejari pensampelan ialah jarak dari piksel pusat ke titik pensampelan.
3 Kira corak binari tempatan: Untuk setiap piksel dalam imej, kira corak binari setempatnya. Khususnya, bagi setiap piksel, nilai kelabunya dibandingkan dengan nilai kelabu piksel jiran di sekelilingnya Jika nilai kelabu piksel jiran lebih besar daripada nilai kelabu piksel pusat, maka berat piksel jiran ialah. 1, jika tidak ia adalah 0. Dengan menggabungkan pemberat semua piksel jiran ke dalam nombor perduaan, corak perduaan tempatan bagi piksel diperoleh.
4. Statistik corak binari tempatan: Untuk keseluruhan imej, kira bilangan kejadian corak binari tempatan yang berbeza dan bentuk vektor ciri.
5 Normalisasi vektor ciri: Normalkan vektor ciri untuk menghapuskan perbezaan skala antara imej yang berbeza.
6 Pemilihan ciri: Lakukan pemilihan ciri pada vektor ciri dan pilih ciri yang menyumbang banyak kepada kesan pengelasan.
7 Pengelasan ciri: Gunakan pengelas untuk mengelaskan vektor ciri.
Algoritma pengekstrakan ciri imej corak binari tempatan adalah mudah dan berkesan, dan boleh menerangkan dengan baik maklumat tekstur imej oleh itu, ia telah digunakan secara meluas dalam pengelasan imej, pengecaman muka, pengesanan pejalan kaki dan bidang lain.
Cara menggunakan corak binari tempatan untuk pengecaman muka
Algoritma corak binari tempatan telah digunakan secara meluas dalam bidang pengecaman muka. Berikut ialah langkah pengecaman muka umum berdasarkan algoritma LBP:
1 Penyediaan set data: Sediakan set latihan dan set ujian yang mengandungi imej muka Setiap imej perlu dilabelkan dengan lokasi muka dan label muka.
2. Prapemprosesan imej: Tukar imej kepada imej skala kelabu dan lakukan operasi prapemprosesan seperti penyamaan histogram untuk meningkatkan kontras imej dan keteguhan ciri.
3 Pengesanan muka: Gunakan algoritma pengesanan muka (seperti algoritma Viola-Jones) untuk mengesan wajah dalam imej dan memangkas serta menormalkan bahagian muka.
4 Pengekstrakan ciri: Untuk imej wajah yang dipangkas dan dinormalkan, gunakan algoritma LBP untuk mengekstrak ciri. Corak binari tempatan bagi setiap piksel digubah menjadi vektor ciri, dan vektor ciri dinormalkan.
5. Pengurangan dimensi ciri: Lakukan operasi pengurangan dimensi seperti PCA atau LDA pada vektor ciri untuk mengurangkan dimensi vektor ciri dan meningkatkan kebolehpisahan ciri.
6 Latihan pengelas: Gunakan set latihan untuk melatih pengelas (seperti SVM, KNN, dll.).
7 Pengelasan set ujian: Gunakan pengelas terlatih untuk mengklasifikasikan set ujian dan mendapatkan keputusan ramalan.
8 Nilaikan model: Gunakan ketepatan, ingat semula, nilai F1 dan penunjuk lain untuk menilai model dan menala parameter model.
Langkah di atas adalah proses pengecaman muka umum berdasarkan algoritma LBP. Dalam aplikasi praktikal, ia boleh dilaraskan dan dioptimumkan mengikut masalah tertentu.
Atas ialah kandungan terperinci Analisis mendalam LBP corak binari tempatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Memanfaatkan kekuatan visualisasi data dengan carta Microsoft Power BI Dalam dunia yang didorong oleh data hari ini, dengan berkesan menyampaikan maklumat yang rumit kepada penonton bukan teknikal adalah penting. Visualisasi data jambatan jurang ini, mengubah data mentah i

Sistem Pakar: menyelam yang mendalam ke dalam kuasa membuat keputusan AI Bayangkan mempunyai akses kepada nasihat pakar mengenai apa -apa, dari diagnosis perubatan kepada perancangan kewangan. Itulah kuasa sistem pakar dalam kecerdasan buatan. Sistem ini meniru pro

Pertama sekali, jelas bahawa ini berlaku dengan cepat. Pelbagai syarikat bercakap mengenai perkadaran kod mereka yang kini ditulis oleh AI, dan ini semakin meningkat pada klip pesat. Terdapat banyak anjakan pekerjaan

Industri filem, bersama semua sektor kreatif, dari pemasaran digital ke media sosial, berdiri di persimpangan teknologi. Sebagai kecerdasan buatan mula membentuk semula setiap aspek bercerita visual dan mengubah landskap hiburan

Kursus Online AI/ML percuma ISRO: Gerbang ke Inovasi Teknologi Geospatial Pertubuhan Penyelidikan Angkasa India (ISRO), melalui Institut Pengesan Jauh India (IIRS), menawarkan peluang yang hebat untuk pelajar dan profesional

Algoritma Carian Tempatan: Panduan Komprehensif Merancang acara berskala besar memerlukan pengagihan beban kerja yang cekap. Apabila pendekatan tradisional gagal, algoritma carian tempatan menawarkan penyelesaian yang kuat. Artikel ini meneroka pendakian bukit dan simul

Pelepasan ini termasuk tiga model yang berbeza, GPT-4.1, GPT-4.1 Mini dan GPT-4.1 Nano, menandakan langkah ke arah pengoptimuman khusus tugas dalam landskap model bahasa yang besar. Model-model ini tidak segera menggantikan antara muka yang dihadapi pengguna seperti

Gergasi Chip Nvidia berkata pada hari Isnin ia akan memulakan pembuatan superkomputer AI - mesin yang boleh memproses sejumlah besar data dan menjalankan algoritma kompleks - sepenuhnya dalam A.S. untuk kali pertama. Pengumuman itu datang selepas Presiden Trump Si


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

MantisBT
Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

Penyesuai Pelayan SAP NetWeaver untuk Eclipse
Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

VSCode Windows 64-bit Muat Turun
Editor IDE percuma dan berkuasa yang dilancarkan oleh Microsoft

SublimeText3 versi Inggeris
Disyorkan: Versi Win, menyokong gesaan kod!

ZendStudio 13.5.1 Mac
Persekitaran pembangunan bersepadu PHP yang berkuasa