Efficient Data Mining for Local Binary Pattern in Texture Image Analysis.
Efficient Data Mining for Local Binary Pattern in Texture Image Analysis.
复制标题
DOI：
10.1016/j.eswa.2015.01.055
复制
发表时间：
2015-06-01
影响因子：
8.5
通讯作者：
Wood BJ
中科院分区：
文献类型：
--
作者：
Kwak JT;Xu S;Wood BJ
局部二值模式（LBP）是一种简单的灰度描述符，用于表征图像中灰度级的局部分布。多分辨率 LBP 和/或 LBP 的组合已被证明在纹理图像分析中是有效的。然而，尚不清楚选择什么分辨率或组合进行纹理分析。由于特征空间呈指数增长，检查所有可能的情况是不切实际且棘手的。这限制了 LBP 的准确性以及时间和空间效率。在这里，我们提出了一种 LBP 数据挖掘方法，它可以有效地探索高维特征空间并找到相对较少数量的判别特征。这些特征可以是 LBP 的任意组合。这些可能是传统方法无法实现的。因此，我们的方法不仅充分利用了 LBP 的能力，而且保持了较低的计算复杂度。我们将三种不同的描述符（LBP、局部对比度测量和局部方向导数测量）与三种空间分辨率结合起来，并使用两个综合纹理数据库评估我们的方法。结果证明了我们的方法对不同实验设计和纹理图像的有效性和鲁棒性。
Local binary pattern (LBP) is a simple gray scale descriptor to characterize the local distribution of the grey levels in an image. Multi-resolution LBP and/or combinations of the LBPs have shown to be effective in texture image analysis. However, it is unclear what resolutions or combinations to choose for texture analysis. Examining all the possible cases is impractical and intractable due to the exponential growth in a feature space. This limits the accuracy and time- and space-efficiency of LBP. Here, we propose a data mining approach for LBP, which efficiently explores a high-dimensional feature space and finds a relatively smaller number of discriminative features. The features can be any combinations of LBPs. These may not be achievable with conventional approaches. Hence, our approach not only fully utilizes the capability of LBP but also maintains the low computational complexity. We incorporated three different descriptors (LBP, local contrast measure, and local directional derivative measure) with three spatial resolutions and evaluated our approach using two comprehensive texture databases. The results demonstrated the effectiveness and robustness of our approach to different experimental designs and texture images.
登录
查看更多内容
影响因子：
10.6
作者：
Guo, Zhenhua;Zhang, Lei;Zhang, David
通讯作者：
Zhang, David
影响因子：
6.2
作者：
Dana, KJ;Van Ginneken, B;Koenderink, JJ
通讯作者：
Koenderink, JJ
DOI：
10.1049/ip-vis:20045185
发表时间：
2005-12-01
期刊：
IEE PROCEEDINGS-VISION IMAGE AND SIGNAL PROCESSING
影响因子：
--
作者：
Howarth, P;Rüeger, S
通讯作者：
Rüeger, S
DOI：
10.1109/tsmc.1973.4309314
发表时间：
1973-01-01
期刊：
IEEE TRANSACTIONS ON SYSTEMS MAN AND CYBERNETICS
影响因子：
--
作者：
HARALICK, RM;SHANMUGAM, K;DINSTEIN, I
通讯作者：
DINSTEIN, I
DOI：
10.1109/tpami.1983.4767341
发表时间：
1983-01-01
影响因子：
23.6
作者：
CROSS, GR;JAIN, AK
通讯作者：
JAIN, AK