أنماط ثنائية محلية

📅 آخر تحديث: ٢١ يوليو ٢٠٢٦
✍️ نُشر في: ٢١ يوليو ٢٠٢٦
📷 يحتوي على 1 صور
الموسوعة الحرة

أنماط ثنائية محلية ( LBP ) هي نوع من الواصفات المرئية المستخدمة في التصنيف في مجال رؤية الحاسوب . تُعدّ LBP حالة خاصة من نموذج طيف النسيج الذي طُرح عام 1990. [ 1 ] [ 2 ] وُصفت LBP لأول مرة عام 1994. [ 3 ] [ 4 ] ومنذ ذلك الحين، تبيّن أنها ميزة قوية لتصنيف النسيج؛ كما تبيّن أيضًا أنه عند دمج LBP مع واصف مدرج التدرجات الموجهة (HOG)، فإنها تُحسّن أداء الكشف بشكل ملحوظ في بعض مجموعات البيانات. [ 5 ] أجرى سيلفا وآخرون مقارنة بين العديد من التحسينات التي أُدخلت على LBP الأصلي في مجال طرح الخلفية عام 2015. [ 6 ] يمكن الاطلاع على دراسة شاملة لمختلف إصدارات LBP في دراسة بوومانز وآخرون. [ 7 ]

مفهوم

ثلاثة أمثلة للجوار تُستخدم لتحديد نسيج وحساب نمط ثنائي محلي (LBP)

يتم إنشاء متجه ميزات LBP، في أبسط أشكاله، بالطريقة التالية:

  • قسّم النافذة التي تم فحصها إلى خلايا (على سبيل المثال 16 × 16 بكسل لكل خلية).
  • لكل بكسل في الخلية، قارن هذا البكسل بكل من جيرانه الثمانية (في الزاوية العلوية اليسرى، والوسطى اليسرى، والسفلية اليسرى، والعلوية اليمنى، إلخ). تتبع البكسلات على طول دائرة، أي باتجاه عقارب الساعة أو عكسها.
  • عندما تكون قيمة البكسل المركزي أكبر من قيمة البكسل المجاور، اكتب "0". وإلا، فاكتب "1". هذا يعطي رقمًا ثنائيًا مكونًا من 8 أرقام (والذي يتم تحويله عادةً إلى رقم عشري للتسهيل).
  • احسب المدرج التكراري ، على مستوى الخلية، لتكرار كل "رقم" يظهر (أي كل تركيبة من البكسلات الأصغر والأكبر من المركز). يمكن اعتبار هذا المدرج التكراري متجهًا مميزًا ذا 256 بُعدًا .
  • يمكنك اختيارياً تطبيع الرسم البياني.
  • قم بدمج (تطبيع) المدرجات التكرارية لجميع الخلايا. هذا يعطي متجهًا مميزًا للنافذة بأكملها.

يمكن الآن معالجة متجه الميزات باستخدام آلة المتجهات الداعمة ، أو آلات التعلم المتطرفة ، أو أي خوارزمية أخرى للتعلم الآلي لتصنيف الصور. ويمكن استخدام هذه المصنفات للتعرف على الوجوه أو تحليل النسيج.

يُعدّ النمط المنتظم امتدادًا مفيدًا للمُعامل الأصلي [ 8 ] ، حيث يُمكن استخدامه لتقليل طول متجه الميزات وتطبيق واصف بسيط غير مُتأثر بالدوران. تستند هذه الفكرة إلى حقيقة أن بعض الأنماط الثنائية أكثر شيوعًا في صور النسيج من غيرها. يُسمى النمط الثنائي المحلي منتظمًا إذا احتوى على انتقالين على الأكثر من 0-1 أو من 1-0. على سبيل المثال، 00010000 (انتقالان) هو نمط منتظم، بينما 01010100 (ستة انتقالات) ليس كذلك. في حساب مُخطط LBP، يحتوي المُخطط على خانة مُنفصلة لكل نمط منتظم، وتُخصص جميع الأنماط غير المنتظمة لخانة واحدة. باستخدام أنماط موحدة، ينخفض ​​طول متجه الميزات لخلية واحدة من 256 إلى 59. تتوافق الأنماط الثنائية الموحدة الـ 58 مع الأعداد الصحيحة 0، 1، 2، 3، 4، 6، 7، 8، 12، 14، 15، 16، 24، 28، 30، 31، 32، 48، 56، 60، 62، 63، 64، 96، 112، 120، 124، 126، 127، 128، 129، 131، 135، 143، 159، 191، 192، 193، 195، 199، 207، 223، 224، 225، 227، 231، 239. 240، 241، 243، 247، 248، 249، 251، 252، 253، 254 و255.

الإضافات

  • أنماط ثنائية محلية مكتملة (OCLBP): [ 9 ] تُعدّ OCLBP نوعًا مُعدّلًا من LBP، وقد أثبتت فعاليتها في تحسين الأداء العام للتحقق من الوجوه. على عكس LBP، تعتمد OCLBP على التداخل بين الكتل المتجاورة. يُرمز رسميًا لتكوين OCLBP بالرمز S  : (a, b, v, h, p, r): حيث تُقسّم الصورة إلى a×b كتلة بتداخل رأسي v وتداخل أفقي h، ثم تُستخرج أنماط LBP(u2,p,r) الموحدة من جميع الكتل. علاوة على ذلك، تتكون OCLBP من عدة تكوينات مختلفة. على سبيل المثال، استخدم الباحثون في ورقتهم البحثية الأصلية ثلاثة تكوينات: S  : (10,10,12,12,8,1)، (14,14,12,12,8,2)، (18,18,12,12,8,3). تأخذ التكوينات الثلاثة في الاعتبار ثلاثة أحجام للكتل: 10×10، 14×14، 18×18، ونسب تداخل نصفية على طول الاتجاهين الرأسي والأفقي. يتم دمج هذه التكوينات لتشكيل متجه ميزات ذي 40877 بُعدًا لصورة بحجم 150×80.
  • أنماط الانتقال الثنائية المحلية (tLBP): [ 10 ] تتكون القيمة الثنائية لـ LBP المشفر بالانتقال من مقارنات البكسلات المجاورة في اتجاه عقارب الساعة لجميع البكسلات باستثناء البكسل المركزي.
  • أنماط ثنائية محلية مشفرة بالاتجاه (dLBP): يقوم dLBP بتشفير تغير الشدة على طول الاتجاهات الأساسية الأربعة من خلال البكسل المركزي في اثنين من البتات.
  • LBP متعدد الكتل: يتم تقسيم الصورة إلى العديد من الكتل، ويتم حساب مدرج تكراري LBP لكل كتلة ودمجها كمدرج تكراري نهائي.
  • نمط ثنائي محلي حجمي (VLBP): [ 11 ] ينظر VLBP إلى النسيج الديناميكي كمجموعة من الأحجام في فضاء (X,Y,T)، حيث يمثل X وY الإحداثيات المكانية، ويمثل T فهرس الإطار. وبذلك، تُحدد جوار البكسل في فضاء ثلاثي الأبعاد، ويمكن استخراج وحدات النسيج الحجمية في رسوم بيانية.
  • RGB-LBP: يتم الحصول على هذا المشغل عن طريق حساب LBP على جميع القنوات الثلاث لمساحة ألوان RGB بشكل مستقل، ثم دمج النتائج معًا.

التطبيقات

  • يتضمن CMV تطبيق LBP العام المؤرشف في 2014-11-28 في Wayback Machine والعديد من التوسعات الأخرى على مخطط LBP في MATLAB .
  • بايثون mahotas ، حزمة رؤية حاسوبية مفتوحة المصدر تتضمن تطبيقًا لـ LBPs.
  • تدعم مصنفات Cascade في OpenCV أنماط LBP بدءًا من الإصدار 2.
  • VLFeat ، وهي مكتبة رؤية حاسوبية مفتوحة المصدر مكتوبة بلغة C (مع روابط للغات متعددة بما في ذلك MATLAB) لديها تطبيق .
  • مكتبة LBPLibrary هي مجموعة من إحدى عشرة خوارزمية لأنماط ثنائية محلية (LBP) طُوّرت لحل مشكلة طرح الخلفية. نُفّذت الخوارزميات بلغة C++ باستخدام مكتبة OpenCV. يتوفر ملف CMake ، والمكتبة متوافقة مع أنظمة التشغيل Windows وLinux وMac OS X. وقد تم اختبار المكتبة بنجاح باستخدام OpenCV 2.4.10.
  • تتضمن مكتبة BGSLibrary تطبيق LBP الأصلي للكشف عن الحركة [ 12 ] بالإضافة إلى متغير جديد لمشغل LBP مقترن بحقول ماركوف العشوائية [ 13 ] مع معدلات التعرف المحسنة والمتانة.
  • dlib ، مكتبة مفتوحة المصدر مكتوبة بلغة C++: التنفيذ .
  • مكتبة scikit-image ، مكتبة بايثون مفتوحة المصدر. توفر تطبيق بايثون قائم على لغة C لـ LBP

انظر أيضاً

مراجع

  1. ↑ DC. He and L. Wang (1990), "Texture Unit, Texture Spectrum, And Texture Analysis", Geoscience and Remote Sensing, IEEE Transactions on, vol. 28, pp. 509 - 512.
  2. ↑ L. Wang و DC. He (1990)، "تصنيف النسيج باستخدام طيف النسيج"، التعرف على الأنماط، المجلد 23، العدد 8، الصفحات 905 - 910.
  3. ↑ T. Ojala, M. Pietikäinen , and D. Harwood (1994), “Performance evaluation of texture measures with classification based on Kullbackdiscrimination of distributions”, Proceedings of the 12th IAPR International Conference on Pattern Recognition (ICPR 1994), vol. 1, pp. 582 - 585.
  4. ↑ T. Ojala, M. Pietikäinen, and D. Harwood (1996), "دراسة مقارنة لمقاييس النسيج مع التصنيف القائم على توزيعات الميزات"، التعرف على الأنماط، المجلد 29، الصفحات 51-59.
  5. ↑ "كاشف بشري بتقنية HOG-LBP مع معالجة الانسداد الجزئي"، شياويو وانغ، توني إكس. هان، شويشنغ يان، المؤتمر الدولي لرؤية الحاسوب 2009
  6. ↑ C. Silva, T. Bouwmans, C. Frelicot, "نمط ثنائي محلي متماثل مركزي ممتد لنمذجة الخلفية والطرح في مقاطع الفيديو"، VISAPP 2015، برلين، ألمانيا، مارس 2015.
  7. ↑ تي. بوومانز، سي. سيلفا، سي. مارغيس، إم. زيتوني، إتش. بهاسكار، سي. فريليكوت، "حول دور وأهمية الميزات في نمذجة الخلفية واكتشاف المقدمة"، arXiv : 1611.09099
  8. ↑ باركان وآخرون. "التعرف السريع على الوجوه باستخدام ضرب المتجهات عالية الأبعاد." وقائع المؤتمر الدولي لرؤية الحاسوب 2013
  9. ↑ باركان وآخرون. "التعرف السريع على الوجوه باستخدام ضرب المتجهات عالية الأبعاد." وقائع المؤتمر الدولي لرؤية الحاسوب 2013
  10. ↑ تريفني، جيري، وجيري ماتاس. "مجموعة موسعة من الأنماط الثنائية المحلية للكشف السريع عن الأجسام". وقائع ورشة عمل رؤية الحاسوب الشتوية. المجلد 2010. 2010.
  11. ↑ تشاو، غويينغ، وماتي بييتيكاينن. "التعرف الديناميكي على النسيج باستخدام الأنماط الثنائية المحلية مع تطبيق على تعابير الوجه." معاملات IEEE في تحليل الأنماط والذكاء الآلي 29.6 (2007): 915-928.
  12. ↑ M. Heikkilä, M. Pietikäinen, "طريقة قائمة على النسيج لنمذجة الخلفية واكتشاف الأجسام المتحركة"، IEEE Transactions on Pattern Analysis and Machine Intelligence, 28(4):657-662, 2006.
  13. ↑ C., Kertész: الكشف عن المقدمة القائم على النسيج، المجلة الدولية لمعالجة الإشارات ومعالجة الصور والتعرف على الأنماط (IJSIP)، المجلد 4، العدد 4، 2011.