爲了提取基於紋理的特徵; LBPs(本地二進制模式)用於許多背景 - 前景檢測算法。很容易理解爲什麼這些功能可以抵抗照明。然而;有一個我無法理解的結構特性。當我們計算模式時,使用「圓形面具」而不是「矩形面具」的確切原因是什麼?例如,in this paper,他們聲稱他們的修改比普通的LBP更好;儘管他們沒有具體說明原因。嗯,首先,我認爲這是爲了獲得一個旋轉不變的模式;但是......當然,這只是我的假設。使用帶有圓形遮罩的局部二元圖案
有誰知道爲什麼圓形結構比矩形結構好?
爲了提取基於紋理的特徵; LBPs(本地二進制模式)用於許多背景 - 前景檢測算法。很容易理解爲什麼這些功能可以抵抗照明。然而;有一個我無法理解的結構特性。當我們計算模式時,使用「圓形面具」而不是「矩形面具」的確切原因是什麼?例如,in this paper,他們聲稱他們的修改比普通的LBP更好;儘管他們沒有具體說明原因。嗯,首先,我認爲這是爲了獲得一個旋轉不變的模式;但是......當然,這只是我的假設。使用帶有圓形遮罩的局部二元圖案
有誰知道爲什麼圓形結構比矩形結構好?
該圓的一個關鍵特徵是圓周上的每個點與中心的距離相同。如果你想探索鄰里關係,你通常想要包含距離中心像素一定距離的信息。使用正方形或更差的矩形蒙版意味着您對某些方向(4個角所指向的位置)給予更多的權重,這對於非常特定的圖像纔有意義。
Himm ..所以它不是要使這些特徵不變爲某種東西......它只是在儘可能多地在該中心像素的本地鄰域中收集準確的信息? (當然,我甚至沒有提到它的計算複雜性和其他優點)。 – iliTheFallen
@iliTheFallen:如果您不知道先驗圖像是否存在優先方向,則會假定圖像是各向同性的,因此您需要使用各向同性掩膜。這也使掩模旋轉不變。 – Jonas
非常感謝Jonas。你的解釋很清楚。 – iliTheFallen
請提供一些你的意思的參考和/或例子。你提供的背景越多,你就越有可能得到滿意的答案。 –