基于改進LBP的作物病斑圖像分割算法研究

許新華

摘要：本文立足于經(jīng)典的LBP算法之上，提出一種基于鄰域相關度的改進LBP算子，將各個像素點與周圍像素點之間的相關性考慮在內(nèi)，融合局部特征和全局特征，顯示圖像灰度值變化的強度，增加目標與背景的對比度信息，突出目標像素的顯著性，使病斑紋理更加顯著化，利于進一步分割。

關鍵詞：LBP;鄰域相關度;分割

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2019）04-0117-02

0 緒論

近年來，LBP因算法易于理解、計算簡單、區(qū)分能力強等優(yōu)點被廣泛關注。經(jīng)過改進出現(xiàn)了多尺度LBP、旋轉不變LBP、LBP等價模式以及旋轉不變等價模式LBP。但從紋理圖像的分割來看，雖然等價模式LBP算子獲得的紋理圖像特征辨識度較好，且在諸多領域被廣泛應用，但基本LBP及大多數(shù)改進方法僅考慮的是局部區(qū)域內(nèi)中心像素與周圍鄰域像素的差值大小，忽略了圖像灰度值的變化情況，沒有考慮像素間鄰域信息的關聯(lián)性，缺乏對圖像紋理信息更全面有效的表達，而像素之間的關聯(lián)程度，恰恰體現(xiàn)了圖像的紋理復雜與否。

1 LBP算子概述

LBP（Local Binary Pattern，局部二值模式）是一種基于統(tǒng)計的用來描述紋理特征的有效算子，閾值由中心像素值是該算法的核心，相鄰域的像素值與該像素值一一比較，比閾值大的置為1，小于閾值置為0，得到與之對應二進制編碼，即表征局部紋理特性。

隨著研究的深入，LBP算子由于只在指定半徑的范圍內(nèi)進行定義，不能達到灰度旋轉不變性要求，同時，對于多種尺寸和頻率的紋理特征描述也有不足又出現(xiàn)了多尺度LBP、旋轉不變LBP、LBP等價模式以及旋轉不變等價模式LBP。

2 基于改進的LBP圖像分割算法研究

2.1 LBP算子缺陷分析

一個3×3窗口，中心像素為6，鄰域像素順時針旋轉分別為1、1、3、5、5、5、3、2、3，可以看窗口內(nèi)中心像素點的值比其鄰域內(nèi)其他點都高，但其中一些像素點與中心像素點的差值較大，而有些與中心像素點差別較小，基本LBP算子依靠單個像素內(nèi)的特征，只對差值大小進行考慮，主要是根據(jù)窗口內(nèi)中心像素點與周圍鄰點間的像素差獲得紋理，存在對特征信息提取不全面，忽略了圖像灰度值的變化情況，一般灰度變化較大處，說明紋理較復雜。

2.2 鄰域相關度計算

像素之間具有鄰域信息相關的特性，相鄰像素間差異能反映像素間的關聯(lián)程度，即鄰域相關度。一個區(qū)域塊內(nèi)像素點間的鄰域相關度越小，表明該鄰域塊內(nèi)像素越接近，表現(xiàn)出的圖像紋理變化較平緩，相反，一個區(qū)域塊內(nèi)像素點間的鄰域相關度越大，表明圖像紋理變化較大，因此可利用鄰域相關度表征圖像紋理，突出圖像中某些紋理的顯著性，將其利用在作物病斑圖像上，可以使病斑紋理顯著化。

3 結語

本文將相鄰像素之間的關聯(lián)性信息加入到所提取的特征中，使描述的紋理特征更精細，能夠使目標像素顯著化，運用在作物病害葉片圖像的分割處理中，即實現(xiàn)對病害葉片圖像的顯著化處理，使病斑凸顯，輪廓清晰，平滑正常葉片部分，利于病斑的分割。

參考文獻

[1] 郭艷蓉，蔣建國，郝世杰，等.基于LBP紋理特征的隨機游走圖像分割[J].電路與系統(tǒng)學報，2013，18（1）：357-364.

[2] 馮曉毅，羅妙宣，夏召強.基于JSEG和LBP相結合的遙感圖像分割[C].數(shù)字中國發(fā)展高層論壇暨信息主管峰會，2008.

[3] 詹曙，胡德鳳，蔣建國，等.結合GLWT和LBP提取紋理特征的圖像分割[J].電子測量與儀器學報，2014，28（2）：198-202.