基于LBP特征的遥感图像检索优化方案

局部二进制模式(local binary pattern，LBP)通过计算每个像素与邻域内其它像素的灰度差异来描述图像纹理的局部结构。基本原理是:对于图像中任意一个3×3的窗口，比较其中心像素与邻域像素的灰度值。若邻域像素灰度值大于或等于中心像素的灰度值，则该像素灰度值设为1，反之为0。对于阈值处理后的窗口，将其与权值模板的对应位置元素相乘求和，即可得到窗口中心像素的LBP值。

为了增强LBP的纹理特征描述能力，Ojala对其做了进一步改进，提出了可以检测统一模式且满足灰度和旋转不变性的描述子。如下式所示:

(www.xing528.com)

其中，R是圆形邻域的半径，P是圆上等间距的分布的像素数目，gc是圆形邻域的中心像素，gp(p＝0，1，…，P－1)是圆上的邻域像素。

图3-28给出4组基于LBP特征的遥感图像检索结果。以UCMD数据集为例，分别选择河流(river)、沙滩(beach)、高尔夫球场(golfcourse)和港口(harbor)作为查询类别。红色框表示错误检索类别，并在其下注明所属类别。可以看出，LBP特征适合于背景与目标差异明显的图像内容，这是由于LBP特征通过灰度差异描述图像的局部信息，若是图像背景与目标之间的过渡边界模糊，两者颜色差异较小，计算得出的灰度差异则为0，这会导致网络无法区分背景域目标进而影响检索效果。因此，LBP特征在检索背景与目标差异明显的遥感图像时具有更好的性能。