陈晓文，刘光帅，刘望华，李旭瑞

西南交通大学 机械工程学院，成都610031

纹理作为图像的重要底层特征之一，在图像的分类与识别中有着重要的作用，且被广泛应用于图像处理、计算机视觉等领域中，因此，纹理的研究有着重要的现实意义[1]。常用的纹理特征提取方法有灰度共生矩阵方法[2]、马尔可夫随机场方法[3]、小波变换方法[4]、分形理论[5]等。但是，以上几种方法计算复杂度较大，且对光照变化、噪声干扰等问题较为敏感，从而影响图像的分类效果。

为了降低纹理特征提取的计算成本，提高图像的分类精度，让图像分类技术更有效地应用到实际工程中，一些学者开始研究更加快速、稳健的纹理特征提取算法。局部二值模式（LBP）最早由Ojala等人[6]提出，由于其原理简单、计算复杂度低的特点被广泛运用到工业检测、场景分类、人脸识别、医学图像分析等领域。然而，原始的LBP 算法对图像旋转、尺度、非均匀光照变化鲁棒性较差，学者们相继提出LBP改进算法。其中，Liu等人[7]对近年来LBP改进算法做出了详细的总结与对比，分析了各种算法的优劣性。Tan 等人[8]提出的LTP 算法通过引入量化阈值对邻域像素进行正负编码，提高了算法对光照变化和噪声的鲁棒性。Guo等人[9]提出的完全局部二进制模式（CLBP）算法，通过提取局部纹理结构的中心像素信息（CLBP_C）、中心像素值与其邻域像素的差分符号信息（CLBP_S）和幅度信息（CLBP_M）这三种信息增强了算法的鉴别能力和对光照变化的鲁棒性。文献[10-11]提出的完全局部三值模式（CLTP）算法则是上述提到的LTP与CLBP算法的结合改进，将量化阈值引入到CLBP算法中，从而使改进后的算法鉴别能力更强，且增强了算法对噪声和光照变化的鲁棒性。……