第三章 研究方法
3.2 影像分析
3.2.5 區域二元化圖型
速，適合用於即時系統(real-time system)，而缺點在於平滑影像或轉換成灰階影像後紋 理表現不明顯者的描述效果較差。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
98 26 23 85 50 36 12 13 50 圖 3-24. 3×3 區塊範例
4. 閾值運算:
周圍八個點分別與閾值比較大小，如大於或等於閾值，則設定為 1；如小於閾值，
則設定為 0，運算結果如下圖。
1 0 0
1 0
0 0 1
圖 3-25. 區塊經 LBP 運算後結果
5. 權重(Weight)設定: 給予周圍八個點權重，如圖 3-26 所示。
20 21 22 27 23 26 25 24 圖 3-26. 區塊權重分布
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
6. 數值統計:
將運算後結果與權重分布相乘後再相加，如圖 3-24、圖 3-25 先相乘後相加，可得20
×1+2 ×1+4 2 ×1=145。 7 7. 直方圖(Histogram)統計:
將影像以上述方式計算完畢後，即可累加計算統計出此影像的區域二元化圖型直方 圖(local binary pattern histogram)，此直方圖中共有 256 個 Bin，故此區域二元化圖 型直方圖即為一大小為 256 的陣列(array)。
8. 特徵描述: 最後將 256 個 Bin 的個數作為一 256 維的影像描述特徵。
3.2.5.1 Uniform Pattern
Ojala 也提出區域二元化圖型中，特定的圖型(如圖 3-27 所示)經過旋轉後將可得到生 成此區域二元化圖型特徵之基底(Base)，稱之為 Uniform Pattern。於文獻實驗中，使用 最初定義 8 個像素而半徑為 1 的 3×3 區塊，Uniform Pattern 的直方圖數量總和佔所有 8-bit (00000000~11111111)的 85%~90%，故將這 58 個 Uniform Pattern 獨立出來計算直方圖，
作為特徵向量中的 58 個維度，並將剩下的直方圖 Bin 值加總後作為第 59 維。
圖 3-27. Uniform Pattern
於本研究中為實現即時音訊分類，希望可利用 Uniform Pattern 之特性，將描述用的 256 維空間減少至 59 維空間，以達到降低維度之效。故設計一實驗針對時間-頻率頻譜
‧
圖是否亦具有 Uniform Pattern 分布之特性。將輸入之音訊透過預處理與起始點偵測，取 得其音訊事件之影像，及其透過區塊偵測所得之音訊區塊影像進行 Uniform Pattern 分布 性質測試，於此取訓練資料中 8 個分類各 5 個樣本(於附錄 D 收錄音訊事件與其音訊區 塊之樣本)來進行實驗。其中音訊區塊影像僅處理非 0 部分(意即影像中黑色區塊不納入 區域二元化圖型計算)。
實驗結果如下，我們可從實驗結果中表 3-10、表 3-11 得出，音訊事件與音訊區塊 之時間-頻率頻譜圖於 Uniform Pattern 中的分布約略落於 75%~90%之間，意即 75%~90%
的值分布此 58 維空間中，故我們可將原 256 維空間降低至此 58 維空間，以降低維度求 取更為快速的計算，同時也因 Uniform Pattern 之特性，不因大幅度的降維而造成描述力 的損失。其中因為 Uniform Pattern 編碼所呈現多為邊緣與紋理，故亦可從實驗結果觀察 的得知，音訊區塊因保留較多的音訊事件主體及其紋理，故於此實驗中有較佳的表現。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-11. 音訊區塊之 Uniform Pattern 比例
Sample 1 Sample 2 Sample 3 Sample 4 Sample 5 Door Bell-1 87.31 86.33 86.32 85.92 84.87 Door Bell-2 91.87 89.87 92.48 90.26 92.66 Phone Bell-1 84.83 84.86 85.97 85.48 93.72 Phone Bell-2 78.23 77.16 74.05 86.66 89.38 Baby Cry 78.74 74.32 83.61 81.98 78.46 Car Alarm 91.11 89.91 90.47 85.69 87.39 Kettle Whistle 91.63 88.26 87.36 90.15 88.17 Fire Alarm 87.22 89.26 85.15 84.36 90.57
單位：百分比
音訊事件影像經過區域二元化圖型運算並因其 Uniform Pattern 特性，可得一 59 維 之編碼直方圖，於此我們對此直方圖正規化(Normalize)，將此正規化過後之直方圖視為 此音訊事件的特徵向量。透過之後的直方圖距離定義與計算，對音訊事件加以分類。