LBP中均匀和非均匀模式背后的直觉是什么？

Question

在统一的LBP（局部二进制模式）映射中，每个统一模式都有一个单独的输出标签，所有非均匀模式都分配给一个标签。这个概念背后的直觉是什么，我需要你的帮助。 / p>

Answer 1

假设我们在半径为R的圆上使用4个采样点（红色），如下图所示作为我们的LBP。

因此，我们将获得16（= 2 ^ 4）个不同的模式（或标签）。如果在横穿循环时具有至多两个1-> 0或0-> 1个转变，则图案是均匀的。我们将为每个统一图案指定一个唯一的标签，并为所有非均匀图案指定相同的标签，如下所示。

pattern circular    uniform   label
        transitions     
0000       0         yes      lbl0
0001       2         yes      lbl1
0010       2         yes      lbl2
0011       2         yes      lbl3
0100       2         yes      lbl4
0101       4         no       lbl5     ***
0110       2         yes      lbl6
0111       2         yes      lbl7
1000       2         yes      lbl8
1001       2         yes      lbl9
1010       4         no       lbl5     ***
1011       2         yes      lblA
1100       2         yes      lblB
1101       2         yes      lblC
1110       2         yes      lblD
1111       0         yes      lblE

最初我们有16个标签，这意味着我们在直方图中有16个分区，或者在特征向量中有16个特征。随着统一模式概念的引入，现在我们在直方图中只有15个标签，或15个区间，或者特征向量中的15个特征（这不是对原始图像的显着改进。但对于8个采样点，这将是最初的256只，只有59只有均匀的图案。）

统一模式的概念

• 在涉及更多采样点时大大减小了特征向量的大小
• 实验表明，纹理图像中的均匀图案比非均匀图案更频繁出现（提取形式 [link]：＆＃34; Ojala等人（2002）在他们的纹理图像实验中注意到当使用（8,1）邻域时，均匀模式占所有模式的不到90％，而在（16,2）邻域中约为70％。＆＃34;）。

因此，均匀模式使LBP在计算上更有效率而不会影响其准确性。

但如果您对LBP的特定应用并未表明数据集中频繁出现统一模式，则可能无法通过使用统一模式获得准确结果。