LBP基于局部二值模式的地表分类(3)

菜单

本次毕业设计主要是完成一个用于地表分类的系统，可以用于机器人自动寻径之类的工作。

1.2 国内外的研究现状

1.3 地表特征识别

地表特征识别，是指利用地表所固有的且能够唯一标识其地表特征进行地表认证的一种技术。地表特征有许多，一般认为，能够用来认证类型的地表特征应该具有以下的特性：

①普遍性：每个地表类型都应有一种特征；

②惟一性：不同的地表应该具有各不相同的特征；

③可采集性：所选择的特征可以定量测量；

④稳定性：所选择的特征至少在一段较长的时间内是不变的，并且特征的采集不随条件、环境的变化而变化。

当然，在应用过程中，还要考虑其他的实际因素，比如：识别精度、识别速度等等。

1.3.1 地表识别的过程

一个优秀的地表识别系统要求能实时迅速有效地完成其识别过程。一般来说，地表识别系统都包括如下几个处理过程：

1.4 本文的主要工作与结构安排

对于采集图片有多种地表类型，因此使用LBP特征对地表进行分类是本文的主要研究工作之一，本文使用LBP算子解决地表分类问题，据此，本文接下来的结构安排如下：

第二章，LBP算子综述。介绍纹理，LBP算子，改进的LBP等价模式，LBP旋转不变模式以及LBP的特点和应用。

第三章，基于LBP地表分类系统的设计，在基础的近邻分类器上加入LBP特征的提取过程，通过LBP特征进行最近邻分类来完成对地表的自动分类。

第四章，地表分类实验，通过已有的地表图片对分类算法进行评估检测，并与其它方法进行了比较与分析。

第五章，总结，总结了本文的主要研究内容和成果，同时也指出了其中的不足和以后的发展方向文献综述。

2. LBP特征简介

局部二值模式(Local Binary Pattern，LBP)[10]是芬兰奥鲁大学Ojala教授在分析比对了基于灰度级的纹理算子、Laws纹理能量、中心对称协方差等纹理算子后，于 1996年提出的用来描述图像纹理特征的一种算子，由于其具有计算简单，鉴别能力比较强等优点，近些年来被人们广泛研究并使用。

2.1 纹理概述

纹理是图像分析中常用的概念，它是由于物体表面物理属性不同所引起的能够表示某个特定表面特征的灰度或者颜色信息。一般说来可以认为纹理是由许多相互接近的、互相编制的元素构成，所以直观来说纹理描述可提供图像区域的平滑、稀疏、规则性等特性。反映在图像上，纹理可以表现为亮度、颜色的变化。广义来讲，几乎所有的图像都包含了纹理信息。与其它图像特征相比，纹理反映了图像灰度模式的空间分布，包含了图像的表面信息及其与周围环境的关系，更好地兼顾了图像的宏观信息与微观结构，因此在图像分析中的纹理受到格外关注为了定量描述纹理，就需要研究纹理本身可能具有的特征。然而，人们常可以判断出纹理的存在，但却缺少对纹理比较严格的定义。一个原因是人们对纹理的感受是与心理效果相结合的；另一个原因是用图像中的二维灰度变化来表征多种多样的纹理本身就是一个非常复杂的过程，因此，目前为止，在计算机视觉研究文献中还没有一个大家都能接受的精确定义。当看到两种不同的纹理，我们可以清楚地区别它们的相似性或差异性，但很难用语言或数学公式来精确地描述。这使得纹理分析中的问题更为复杂，更具挑战性。