李 松 蔡 航 于 蒙

(武汉理工大学物流工程学院 湖北 武汉 430000)

0 引 言

图像纹理是指图像中灰度与颜色的变化，是一种重要的视觉底层特征，描述了区域的稀疏和规则等一些特性；它需要在包含多个像素点的区域中进行统计计算，是一种统计特征。由于自然界中纹理结构具有随机性与复杂多样性，目前不存在一种被国际学者公认的、能完美而正确地诠释纹理的方法。

早期常用来提取图像纹理结构特征的方法主要有马尔科夫随机场[1]、灰度共生矩阵[2]、小波变换[3]和分形理论[4]等。这些方法能很好地用于简单的纹理分类，但是不能解决多变的光照和观测条件下自然材料的表征与识别的问题。因此近些年提出了许多基于提取局部原语或基元并通过直方图测量其分布的方法，LBP就是这类方法中表现最好的[5]。它最大的优点是原理简单，计算复杂度低，效率高，并兼具旋转不变性以及对单调变化的光照的鲁棒性，目前已经在模式识别领域得到了广泛应用。它由T.Ojala和D.Harwood[6]提出，并引起各国学者的关注，提出了很多相应的改进算法，如：Guo等[7]提出完整局部二值模式(Complete Local Binary Patterns,CLBP)算法，通过提取像素灰度符号、幅值以及邻域中心像素灰度特征间的相关性信息，增强了算法对于纹理信息的描述能力。Liu等[8]提取扩展局部二值模式(Enhance Local Binary Patterns,ELBP)算法通过提取单个像素点的局部邻域灰度特征和径向的灰度差分特征间的共生信息，提高了算法对于光照和旋转的鲁棒性。黄辰等[9]提出高斯局部二值模式，在多尺度下提取具有主方向的二值模式，提高了算法的可区分性和有效性。……