当前课程知识点：刑侦视频图像处理 > 第11章 现勘图像检索技术 > 11.3基于LBP纹理的鞋印检索 > 11.3基于LBP纹理的鞋印检索
各位同学大家好！
咱们接着学习
刑侦图像检索
今天咱们这节课
讲第三部分的内容
基于LBP纹理的鞋印图像检索
如果咱们要进行鞋印图像检索
第一步
咱们要对图像进行特征提取
常用的特征有：颜色特征
纹理特征和形状特征
因为咱们现在主要面对鞋印图像
其中不存在颜色信息
所以咱们在进行鞋印图像检索的时候
主要采用纹理信息
这个地方咱们主要来讲
LBP纹理特征提取
所谓LBP纹理
即局部二值模式纹理特征
这种纹理特征
1994年就被提出来
是一种非常有效的
描述图像纹理特征的方法
LBP纹理
它的优点有：
具有旋转不变性
还具有灰度不变性
LBP纹理
在图像处理很多地方
都得到应用
例如：纹理分类
纹理分割
人脸图像分析等领域
都广泛的应用LBP纹理特征
到底什么是LBP纹理特征呢？
首先，来讲一下
基本LBT纹理特征
以图像中间的
每一个像素为中心点
取一个3×3
这么一个窗口
以窗口中间的像素（值）为阈值
和旁边的8个数字进行比较
例如：下面这个图所示
中间那个像素数字是83
旁边的8个数字的话
分别是44，118等
例如：这个44
它就比83小
所以它那个数字就是0
118正上方那个数字
118比83大
所以它那个值就是1
用相同的方法
旁边8个数字
都和中心像素（值）
进行比较判断
如果比中心像素小
它的取值就为0
比它大的话，取值就为1
这样的话
咱们就可以得到
8个二进制数
然后从左上角开始
把这8个二进制数
转化十进制数
这个十进制数的数值
就称为LBP值
用相同的方法
对于原图像中间
每一个像素
都求他的LPP值
咱们就可以得到一个图像
这个图像的话就称为 L BT图谱
象这个图，所表示的那样
把原图像
编程LBP图谱
然后就可以把它当做一个灰度图像
对它进行直方图统计
得到的直方图
就称为
原图像的LBP纹理特征
因为 LBP图谱
它能够反映
图像里面的纹理信息
然后，用直方图
来对它进行表示
这个直方图的话就称为LB纹理
刚才说的是基本LBP纹理
它比较简单
LBP纹理
经过改进和变形
还有很多很强大的
LBP纹理特征
提取方法
例如：圆形LBP, 等价模式LBP
和旋转不变LBP
还有把旋转不变
和等价模式相结合
的那个LPB
这些LBP纹理
经过改进之后的话
他的表达能力会更强
它更加能够反映
图像中间的本质纹理特征
例如：
如果经过统一模式
和旋转不变改进之后
LBP纹理就具有了旋转
不变性
和灰度不变性等显著特点
原始LBP纹理模式的种类
也得到大幅的减少
下面这个表格里面
就对他们进行了比较
例如：咱们以半径为1
采样点数为8个像素的话
基本LPP纹理
它的模式种类
有256种
等价模式LBP纹理
它的种类
就只剩下58种
旋转不变
等价模式LBP纹理
就只剩下9种
这么来看的话
经过等价模式和旋转不变
改进之后
它的数据量
能够进行大幅度的压缩
这样的话也能够提高后面检索
算法的速度
如果有两个图像
咱们都把它提取了
LBP稳定特征
LBP纹理特征
就是一个直方图
怎样来衡量
两个 L B P纹理
直方图的相似性
第一个方法:
欧氏距离法
假设有两张图像
Q和D
它所对应的
LBP纹理
分别记为 Hq和Hd
要计算它们中间的相似度
咱们就可以用欧氏距离的方法
来进行统计
每个维度上平方和开根号
这就是欧式距离
这个方法的话
能够度量
稳定特征的相似度
第二个方法
也可以采用直方图相交的方法
来度量LBP直方图的相似性
Hq和Hd
表示两张图像的LPB纹理特征
直方图相交法
它的基本式子
就下面这个式子
所表示的一样
在每个维度上面取最小值
然后把所有的最小值相加
和就表示直方图相交法
得到的结果
它也能够反映
Hq和Hd这两个直方图
之间的相似度
刚才咱们学习了
LBP纹理的基本原理
和相似度量的两个方法
如果要用LBP特征
来进行鞋印图像检索
它的主要步骤有：
第一步
把数据库中间的
每张图像
都要提取他的LBP纹理特征向量
把这些特征给存起来
第二步
然后再进行图像检索的时候
首先，咱们要给定一张样图
对这个查询样图
咱们要用相同的方法
来提取它的LBP纹理特征
然后把样图的LBP纹理特征
和数据库中的
每个图像的LBP纹理特征
来计算它的相似度
用欧式距离
或者用刚才直方图相交的方法
来计算它的相似性
然后，根据相似性进行排序
越相似的话就排在越前面
越不相似的话
就排在越后面
然后，把前面最象的一些图像给显示出来
这样的话就可以完成
图像检索的一个过程
这个地方的话
就是一个鞋印图像
检索的示例
在这个图像里面
右边小框框里面
这个图的话就是那个样图
左边
那个地方的话
检索的结果
它就根据数据库中间的鞋印图像
和样图的相对性进行排序
越象就排在前面
越不象的话就排在后面
这就可以完成
一次鞋印图像的检索过程
好的
基于LBP纹理特征的
鞋印图像检索
就上到这地方
谢谢
-1.1 绪论（上）
--1.1绪论（上）
-1.2 绪论（下）
-第1章测试
-2.1 光照不良图像增强处理（上）
-2.2 光照不良图像增强处理（下）
-第2章习题
-3.1图像超分辨率重建技术概述
-3.2基于插值的图像超分辨率重建
-3.3基于深度学习的图像超分辨率重建之神经网络
-3.4基于深度学习的图像超分辨率重建
-3.5基础知识介绍
-3.6压缩感知与超分辨率重建
-3.7基于压缩感知字典学习的超分方法
-第3章测试一
-第3章测试二
-4.1引言-什么是HDR图像
-4.2 概述-HDR图像处理的研究内容
-4.3HDR图像获取—多曝光融合
-4.4色调映射基础
-第4章测试题
-5.1图像水印技术概述
-5.2图像单水印技术
-5.3图像双水印技术
-第5章测试题
-6.1图像检索概述
-6.2词袋(BOW)特征描述
-6.3VLAD特征编码
-6.4PCA降维
--6.4PCA降维
-7.1 监控视频编码的作用
-7.2 监控视频编码的标准
-7.3 监控视频编码标准
-第7章测试
-8.1运动目标检测
-8.2运动目标跟踪
-第8章测试题
-9.1高光谱图像基础知识
-9.2高光谱图像的应用
-9.3高光谱图像处理
-第9章测试题
-10.1现勘足迹的基本知识
-10.2现勘足迹提取方法
-10.3结构光测量技术概况
-10.4结构光提取原理
-10.5现勘三维现场重建技术
-10.6基于二维图像的三维现场重建
-10.7基于深度信息的三维现场重建
-10.8应用案例
--10.8应用案例
-第10章测试题
-11.1研究背景与意义
-11.2图像预处理技术
-11.3基于LBP纹理的鞋印检索
-11.4基于SIFT特征的鞋印检索
-第11章测试题
-12.1什么是案件的智能串并？
-12.2实现智能串并案的机遇与挑战
-12.3智能串并案的实现策略与方案
-12.4真实案件智能串并的实现
-第12章测试题
-13.1刑侦模拟画像概述
-13.2 刑侦模拟画像计算机辅助系统
-13.3刑侦模拟画像计算机辅助系统：两维三维画像辅助
-第13章测试题