第三章 研究方法
3.3 區域紋理特徵
3.3.3 三貼片式區域二元圖樣
(a)原始影像 (b)CS-LTP 影像 圖 3.10：原始影像與經由 CS-LTP 運算後的影像
我們可以藉由圖 3.10(b)看出，CS-LTP 能夠突顯一個人的步態特徵，但是我們也 可以由 CS-LTP 的影像看出，人的背部呈現較粗的紋理線條，其原因可能是 CS-LTP 考慮3 × 3像素內對角間的特徵，但是在對角像素灰階值都只有微小的差 異狀況下，這附近的區塊可能無法較好的描述其特徵。因此，在本論文中，我們 將 CS-LTP 結合 Three-Patch，藉由 Three-Patch 考慮區塊與區塊之間的差異的特 性，以改善 CS-LTP 的缺點。
3.3.3 三貼片式區域二元圖樣
三貼片式區域二元圖樣(Three-Patch Local Binary Pattern, TP-LBP)，是由 Wolf 等人[31]所提出。該法對選定的影像區塊先進行 LBP 的運算後，再對各區塊間的 中心差異值進行比較，這種運算方式能夠有效的改善 LBP 在平滑影像的特徵擷 取效果不佳的缺點。TP-LBP 運算方式如公式(6)與(7)所示。
𝑇𝑃 − 𝐿𝐵𝑃𝑟,𝑆,𝑤,𝑎 = ∑ 𝑓(𝑑(𝐶𝑖, 𝐶𝑐)
𝑁−1
𝑖=0
− 𝑑(𝐶(𝑖+𝑎) 𝑚𝑜𝑑 𝑆, 𝐶𝑐)) × 2𝑖, (6)
17
𝑓(𝑥) = {1, if 𝑥 ≥ 𝑇
0, if 𝑥 < 𝑇 , (7)
其中，N 代表周圍的區塊數目，𝑤代表各區塊的長寬相素個數，d 為距離公式， r 表示周圍區塊的中心位置與中心區塊的半徑，𝐶𝑖為對 i 相素位置進行 LBP 運算所 取得的特徵值，𝐶𝑐為對中心相素位置進行 LBP 運算所取得的特徵值，a 表示區塊 之間的距離，𝑇為門檻值，如圖 3.11 所示。
Three-Patch 的概念分為三個步驟：選取區塊、區塊間的距離計算與特徵值 的獲取。
在第一步驟中，我們藉由事先所選定的參數(𝑟, 𝑆, 𝑤, 𝑎)，來選取除了中心區 塊外的兩個區塊。在第二步驟中，經由距離公式分別計算兩個區塊與中心區塊的 距離，我們將其表示為𝐷1與𝐷2。最後再比較𝐷1− 𝐷2與門檻值 T 的大小，若是 𝐷1− 𝐷2之值大於 T，則以 1 表示，反之則為 0；以此取得八位元二進制的數列，
將此數列乘上其各別位置相應的權重即可得到 Three-Patch 的特徵值，如圖 3.12 為參數設定𝑟 = 2、𝑁 = 8、𝑤 = 3和𝑎 = 2 的區塊選取示意圖。
Pc
P4 P6
a
P0 P2
r
P1
P3
P5 P7
圖 3.11：TP-LBP 各區塊編碼位置
18
19
對距離公式)計算，能夠取得距離𝐷1為|55 − 19| = 36 以及距離𝐷2為|36 − 19| = 17，接下來我們將距離𝐷1以及距離𝐷2相減後經由門檻值 T 比較後(36 − 17 > 0)，
將該像素中心位置以 1 表示。重複上述的計算，我們可取得八位元二進制的編碼 11100001，最後我們將其轉為十進制即可得到 TP-LBP 特徵值為 225，如圖 3.14 所示。
0 1
1
1 1
225
0 0 0
圖 3.14：經由 TP-LBP 運算的八位元二進制編碼以及特徵值
我們將原始 GEI 影像經由 LBP 運算後取得 LBP 影像，再經由 Three-Patch 的運算後能夠取得各個位置的 TP-LBP 特徵值，藉以取得 TP-LBP 的影像，如圖 3.15 所示。
(a)原始影像 (b)TP-LBP 影像 圖 3.15：原始影像與經由 TP-LBP 運算後的影像
20
我們可以藉由圖 3.15(b)看出 TP-LBP 影像能夠突顯出手的擺幅動作的紋理，但是 腳部的特徵還是不夠明顯，這可能是因為 LBP 在處理特徵紋理時，無法在平滑 影像以及中心像素灰階值較極端的狀況下，完整的描述紋理特徵，例如：所選取 的3 × 3區塊內，九個像素灰階值都很接近或是在中心像素灰階值接近 255 或 0，
這些狀況都會影響 LBP 的紋理特徵描述；因此，我們結合 Three-Patch 以及 CS-LTP 來改善 TP-LBP 在部份狀況下，無法完整描述步態特徵的缺點。