αLBP – a novel member of the Local Binary Pattern family based on α-cutting

Local binary pattern (LBP) descriptors have been popular in texture classification in recent years. They were introduced as descriptors of local image texture and their histograms are shown to be well performing texture features. In this paper we introduce two new LBP descriptors, αLBP and its improved variant IαLBP. We evaluate their performance in classification by comparing them with some of the existing LBP descriptors - LBP, ILBP, shift LBP (SLBP) and with one ternary descriptor - LTP. The texture descriptors are evaluated on three datasets - KTH-TIPS2b, UIUC and Virus texture dataset. The novel descriptor outperforms the other descriptors on two datasets, KTH-TIPS2b and Virus, and is tied for first place with ILBP on the UIUC dataset.

Lindblad, JoakimUppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion,Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia,Centre for Image Analysis(Swepub:uu)joali534 (författare)
Sladoje, NatasaUppsala universitet,Bildanalys och människa-datorinteraktion,Avdelningen för visuell information och interaktion,Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia,Centre for Image Analysis(Swepub:uu)namat934 (författare)
University of Novi Sad, Faculty of technical sciencesAvdelningen för visuell information och interaktion (creator_code:org_t)

Ingår i:Proc. 9th International Symposium on Image and Signal Processing and Analysis: IEEE, s. 13-189781467380324

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datorseende och ...

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.