LBP 中统一和非统一模式背后的直觉是什么？

Question

在统一 LBP（本地二进制模式）映射中，每个统一模式都有一个单独的输出标签，所有非统一模式都分配给一个标签。这个概念背后的直觉是什么，我需要你的帮助。

Answer 1

假设我们在半径为 R 的圆上使用 4 个采样点（红色）作为我们的 LBP，如下图所示。

因此，我们将获得 16 (= 2^4) 种不同的模式（或标签）。如果一个模式在循环遍历时最多有两个 1->0 或 0->1 转换，则它是一致的。我们将为每个统一模式分配一个唯一的标签，并为所有非统一模式分配相同的标签，如下所示。

pattern circular    uniform   label
        transitions     
0000       0         yes      lbl0
0001       2         yes      lbl1
0010       2         yes      lbl2
0011       2         yes      lbl3
0100       2         yes      lbl4
0101       4         no       lbl5     ***
0110       2         yes      lbl6
0111       2         yes      lbl7
1000       2         yes      lbl8
1001       2         yes      lbl9
1010       4         no       lbl5     ***
1011       2         yes      lblA
1100       2         yes      lblB
1101       2         yes      lblC
1110       2         yes      lblD
1111       0         yes      lblE

最初我们有 16 个标签，这意味着我们在直方图中有 16 个 bin，或者在特征向量中有 16 个特征。随着统一模式概念的引入，现在我们只有 15 个标签，或者直方图中的 15 个 bin，或者特征向量中的 15 个特征（与原来相比没有显着改进。但是对于 8 个采样点，这将是最初256 个，只有 59 个具有统一的图案）。

统一模式的概念

• 当涉及到更多的采样点时，大大减小了特征向量的大小
• 实验表明，均匀图案在纹理图像中的出现频率高于非均匀图案（提取表 [link]：“Ojala 等人 (2002) 在他们对纹理图像的实验中注意到，均匀图案占使用 (8,1) 邻域时，所有模式的比例略低于 90%，在 (16,2) 邻域中约为 70%。")。

因此，统一模式使得使用 LBP 在计算上更高效，而不会影响其准确性。

但是，如果您对 LBP 的特定应用并不表明统一模式在您的数据集中很常见，那么使用统一模式可能无法获得准确的结果。