生成示意图，如图2所示，对于图像的一个指定像素 X。，LBP 响应是通过与P邻域的像素比较来计算的使其均匀地按角度分布半径为R中 心为C的圆上：
[0068]
[0069] 设 xc的坐标是（0,0)，则 x r,p,n的坐标是由（_r sin(2 π n/p)，r cos (2 π n/p))给 出的，邻域没有落在像素的中心点上，灰度值\,p,n是由差值所估计出来的。
[0070] 对于具有M灰度水平的像素，LBP定义是由P相邻的像素形成的所有，可能灰度 到图案的空间到结果二值差异形成的2 P不同图案的空间的映射。一个纹理图象因此可以 由2pf LBP图案的概率分布来表现。为了能够包含不同尺度的纹理信息，该LBP方法后来 被扩展为使用不同半径的邻域，（r，p)的取值通常被置为（1，8)，（2，16)，（3,24)中的一种 或多种。
[0071] 为了提高图像旋转的鲁棒性，一个旋转不变版本^^?是由所有具有相同模式的 旋转版本的二值模式集合所得出的：
[0072] ：·.：： I i 0,1；, . > <p If
[0073] 其中，R0R(X，I)执行x上的i步循环逐位右移，仅保留那些旋转独特模式从而导 致特征维数显著降低。
[0074] 某些LBP模式代表了基本的纹理结构，并命名为统一模式，这些模式，其中最多有 两个值为U :
[0075]
[0076] 这样U (LBP1J计算按位转换从0到1，反之亦然。U(LBPnp)有P (P- 1)+3大类，包 括P (P- 1)+2个显著均匀模式和所有包含所有模式的不均匀模式。为了获得改进的旋转不 变性，并获得较低的特征维数，可进一步将均匀型态组合为P+1个不同的旋转不变的类别， 从而导致旋转不变性均匀描述具有比p+2的低得多的维数：
[0077]
[0078] LBP仅编码一个中心点和其邻域之间的关系，而ELBP被设计为在一个局部区域进 行编码独特的空间关系，因此具有独特的空间信息。ELBP由三个类似于LBP的描述组成： ELBP_CI，ELBP_NI和ELBP_RD其从中心像素及相邻像素的强度搜索信息，与径向的差异。
[0079] 所述ELBP策略是类似于原始LBP。ELBP_CI的中心像素的强度是阈值：ELBP_ CIOO = s (κ-β)，其中阈值β为整个图像的平均值。
[0080] ELBP_NI利用相邻像素强度的平均值代替使用中心点的灰度值作为阈值生成 二值图案。ELBP_NI被定义为与局部平均?力其中，阈值 爲分二I 〇
[0081] 与基于强度的描述符ELBP_NI和ELBP_CI相独立，ELBP_RD是从径向方向像素差 j.*·* ?
[0082] 类似于LBP，分组策略为了获得^各、和，可以产生ELBP_NI和ELBP_ RD。可以得到良好的纹理分类性能。然而，ELBP仍然在使用单独的像素强度作为阈 值，这使得ELBP易受图像噪声影响，缺乏鲁棒性。
[0083] 我们要考虑在采样点，从中心取样位置源图像块得出简单滤波器响应更换单个像 素的灰度值效果，因此需要修改ELBP，使得各个单像素强度由高斯平滑方法f替换。这种新 的局部二值模式被命名为RELBP，并用来描述更需要鲁棒性的纹理图像。
[0084] 根据本发明的实施例，提供了一种鲁棒扩展局部二值模式纹理特征提取方法。
[0085] 如图1所示，根据本发明的实施例的提供了一种鲁棒扩展局部二值模式纹理特征 提取方法包括：
[0086] 步骤SlOl，获取待提取特征纹理图像；
[0087] 步骤S103,对待提取特征纹理图像进行预处理；
[0088] 步骤S105,从待提取特征纹理图像中依次指定每个像素，为像素构建像素区域使 用高斯平滑方法将像素区域处理为高斯平滑结果，并根据高斯平滑结果，计算获得对于指 定像素的鲁棒扩展局部二值模式；
[0089] 步骤S107,根据对于指定像素的鲁棒扩展局部二值模式，将指定像素归入固定的 模式组中，被归入同一个固定的模式组中的指定像素被视为具有等价模式；
[0090] 步骤S109,继续指定下一个像素作为当前指定像素按上述方式进行处理，直到待 提取特征纹理图像中的每个像素都被归入固定的组中。
[0091] 高斯平滑方法能在空间中线性地减小噪声，并提高鲁棒性。对于应用高斯平滑方 法的RELBP，也可以记做GRELBP以突出使用高斯平滑方法的特征。
[0092] 其中，对待提取特征纹理图像进行预处理包括：
[0093] 将待提取特征纹理图像无残留地分割为N个像素块，N个像素块均是尺寸为WX W 的正方形像素集合；
[0094] 使用高斯平滑方法φ处理N个像素块，获得N个像素块的高斯平滑结果，并计算N 个像素块的高斯平滑结果的平均值μ w。
[0095] 并且，根据高斯平滑结果，计算获得对于指定像素的鲁棒扩展局部二值模式，其 中，对于指定像素的鲁棒扩展局部二值模式包括以下至少之一：基于中心强度的鲁棒扩展 局部二值模式、基于邻域强度的鲁棒扩展局部二值模式、基于径向差分的鲁棒扩展局部二 值模式。
[0096] -方面，当对于指定像素的鲁棒扩展局部二值模式为基于中心强度的鲁棒扩展局 部二值模式时，从待提取特征纹理图像中依次指定每个像素，为像素构建像素区域使用高 斯平滑方法将像素区域处理为高斯平滑结果，并根据高斯平滑结果，计算获得对于指定像 素的鲁棒扩展局部二值模式为：
[0097] 从待提取特征纹理图像中依次选定每个像素X。；
[0098] 以指定像素X。为中心，从待提取特征纹理图像中截取出中心块X e,w，中心块xc,w 是尺寸为WXW的、以指定像素 X。为中心的正方形像素集合；
[0099] 使用高斯平滑方法φ处理中心块Xe,w，获得中心块）^,"的高斯平滑结果Φ (X。， w)，
[0100] 根据中心块X _的高斯平滑结果φ ( X _)与N个像素块的高斯平滑结果的平均 值yw，获得对于指定像素 X。的基于中心强度的鲁棒扩展局部二值模式RELBP_CI (X。）
[0101] RELBP_CI (Xc) = S ( Φ ( X c, w) - μ w)
[0102]
[0103] 另一方面，当对于指定像素的鲁棒扩展局部二值模式为基于邻域强度的鲁棒扩展 局部二值模式时，从待提取特征纹理图像中依次指定每个像素，为像素构建像素区域使用 高斯平滑方法将像素区域处理为高斯平滑结果，并根据高斯平滑结果，计算获得对于指定 像素的鲁棒扩展局部二值模式为：
[0104] 从待提取特征纹理图像中依次选定每个像素 X。；
[0105] 以指定像素 X。为中心，从待提取特征纹理图像中选取到P个邻域像素 X np,n，P个 邻域像素\,p,n等角间隔的均匀分布在以X。为圆心以r为半径的圆周上，其中η = 0,...， 口-1，邻域像素11^,11的坐标值为（-1'3；[11(2 3111/^)，1'008(2 3111/^))与指定像素1(:的坐标 的叠加和；
[0106] 分别以ρ个邻域像素 \,ρ,η中的每一个为中心，从待提取特征纹理图像中截取出ρ 个邻域块&i P个邻域块^都是尺寸为~X W1?的、分别以每个邻域像素 X η ρ, η为 中心的正方形像素集合；
[0107] 使用高斯平滑方法φ处理P个邻域块夂》~、《，获得P个邻域块)的高斯平 滑结果取咖,J,并计算P个邻域块的高斯平滑结果的平均值你
[0108] 根据P个邻域块的高斯平滑结果与ρ个邻域块的高斯 平滑结果的平均值,获得对于指定像素 X。的基于邻域强度的鲁棒扩展局部二值模式 RE1J5P N If,
[0109]
[0110]
[0111] 另一方面，当对于指定像素的鲁棒扩展局部二值模式为基于径向差分的鲁棒扩展 局部二值模式时，从待提取特征纹理图像中依次指定每个像素，为像素构建像素区域使用 高斯平滑方法将像素区域处理为高斯平滑结果，并根据高斯平滑结果，计算获得对于指定 像素的鲁棒扩展局部二值模式为：
[0112] 从待提取特征纹理图像中依次选定每个像素 X。；
[0113] 以指定像素 X。为中心，从待提取特征纹理图像中选取到P个邻域像素 X np,n，P个 邻域像素\,ρ,η等角间隔的均匀分布在以X。为圆心以r为半径的圆周上，其中η = 0,...， 口-1，邻域像素11^,11的坐标值为（-1'3；[11(2 31