学习LBP特征

Posted 紫月小猫咪

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了学习LBP特征相关的知识,希望对你有一定的参考价值。

      数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。

以下是两种常用的归一化方法:

一、min-max标准化(Min-Max Normalization)

也称为离差标准化,是对原始数据的线性变换,使结果值映射到[0 , 1]之间。转换函数如下:

                                                           

其中max为样本数据的最大值,min为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时,可能导致max和min的变化,需要重新定义。

二、Z-score标准化方法

这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据符合标准正态分布,即均值为0,标准差为1,转化函数为:

                                                                             

其中μ为所有样本数据的均值,σ为所有样本数据的标准差。

 

 

但是网上看到有人解析Opencv里面用LBP 作人脸识别时说到直方图归一化,直接对直方图除以上文举例中的20*20

 

参考博客:http://blog.csdn.net/sinat_25885063/article/details/43704005

以上是关于学习LBP特征的主要内容,如果未能解决你的问题,请参考以下文章

Opencv学习之路—Opencv下基于HOG特征的KNN算法分类训练

使用Python,OpenCV,本地二进制模式(LBP)进行人脸识别

智能识别系统设计---图像特征提取

LBP特征原理

LBP特征

特征提取算法之LBP