LBP 特徵點偵測方法

針對每一張 LBP 特徵影像來找出 LBP 特徵點，在 7x7 的範圍內，如下圖 3-10 的 右圖所示，在中心點位置 p，計算 p 點位置的 LBP 值與周遭 16 個位置點的 LBP 值之 漢明距離，設定一臨界值 t，H_p->x為 p 點到 x 位置的 LBP 值之漢明距離，且 x^{1…16}；

在 x 集合裡，當 Hp->x > t 連續有 n 個 p -> x 成立，且 n 大於臨界值 B，則定義此 p 點 為我們所要擷取的紋理特徵點，因為當 H_p->x > t 表示 x 位置與中心點 P 差異較大，而 當影像為帄滑區域時其 Hp->x < t，又 Hp->x > t 的連續個數 n 表示此特徵點紋理的幾何 角度程度，若 n 越大其角度越小，在這裡利用此參數來區分與剔除比對時容易比對錯 誤的直線邊緣點。

圖 3-10 p 點與周遭 16 個點之範例圖.

為了要加快偵測速度，會在 16 個周圍點中先以上下左右四個白色點(如圖 3-11 所示)來判斷，假如沒有一個以上相鄰白點的 Hpi 大於 t 時，則此點不可能為角點而 會被濾除。這是因為當 p 點位於影像帄滑區域時，它與周遭四個白色點都很相似，所 以四個白色點的 Hpi 都不會大於 t，而當 p 點位於影像直線邊緣上時，四個白色點 的 H_pi 也不會大於 t，但若 p 點位於角點上時，如圖 3-11 所示，灰色方框為特徵點 偵測視窗，紅點代表 F 圖 3-12 的 p 點，藍點代表圖 3-12 的白點，當偵測的視窗中心 點為角點時，紅點與上、下、左、右四個方向的藍點，其 LBP 特徵值之漢明距離較

27

大，所以 H_pi 皆大於 t。如此一來，即可以快速的濾除位於帄滑與直線邊緣的點，

並且找出角點的候選位置，然後再針對候選的角點位置進行其餘 12 個點的判斷，則 可得到正確的角點位置。

圖 3-11 角點示意圖，灰色方框為特徵點偵測視窗，紅點為位於視窗中心的角點，藍 點為位於帄滑區域上的點。

圖 3-12 LBP 特徵點擷取加速方法範例

由於在中心點 p 的周遭可能伴隨著雜訊，如果我們只有使用 H_pi > t 的個數來判 斷這一點是否為特徵點將會是很不穩定的，所以我們加入了”連續成立”的條件，當 H_pi 在 1≤i≤16 需要連續成立，且次數要大於 B，如此一來 p 點才會被認定為我們所 偵測的 LBP 特徵點。下圖 3-13 為 p 點與周遭 16 個點計算後的結果，在每一次比對 我們判斷 H_pi 是否大於 t，如果大於 t 則計算結果標記為’T’，否則標記為’F’.

28

圖 3-13 p 點與周遭 16 個點的比較結果

圖 3-14(a)是針對圖 3-13 統計出連續’Ｔ’個數的結果(i.e. 8, 2 and 2)。如果當比較的 開頭與節尾都為’T’時，則將開頭與節尾連續 T 的個數進行相加，如圖 3-14(b). 最後 我們得到了 10 與 2 的連續 T 個數. 一般的情況，我們會將 B 臨界值設定為 8，所以 在這個例子當中，此 p 點將會被判定為 LBP 特徵點。經由我們所提出的 LBP 特徵點 偵測計算後，可以得到如圖 3-15 的結果。

(a) 原始統計連續 T 個數的結果

(b) 最後統計連續 T 個數結果.

圖 3-14 統計圖 13 連續 T 個數的結果

本論文所提出的 LBP 特徵點偵測方法對於光線變化具有相當程度的容忍性，且 能將影像中鑑別度較高的紋理特徵點偵測出來，若使用一般常見的特徵點偵測方法，

如角點偵測，當特徵點中心與周遭像素點的亮度對比不夠大時，響應的能量值將會很 低，則此特徵點將不會被偵測出來，而我們所提出的 LBP 特徵點擷取方法，由於是 利用灰階影像在不同方向的亮度對比結構作為特徵，並進行能量值的計算，所以與一 般的角點偵測方法相較之下，能偵測到更多的特徵點。在實際應用上，當影像的亮度

29

值對比不強時，如果使用角點偵測方法來濾除位於影像帄滑區域的 SURF 特徵點，將 可能會發生整張影像中所擷取到的 SURF 特徵點數量過少的情形，造成後續的應用資 料量不足的問題。下圖 3-15 為圖 3-4 進行 LBP 特徵點偵測後所得到的結果。

圖 3-15 LBP 特徵點偵測後所得到的結果

3.2.3 非帄滑區域 SURF 特徵點偵測方法 (Non-uniform SURF Point Extraction Method)

當我們得到 SURF 特徵點之後，經由觀察可以發現有些 SURF 特徵點是處於影像 中較無紋理的帄滑區域，而這些 SURF 特徵點在進行比對時，容易發生比對錯誤的情 形，所以我們利用 LBP 紋理特徵點偵測方法，進一步的濾除位於影像中較無紋理之 帄滑區域的 SURF 特徵點。我們的做法是先將影像中的 SURF 特徵點與 LBP 特徵點 偵測出來，然後在每一個 SURF 特徵點所對應的大小範圍內，檢查是否存在 LBP 紋 理特徵點，若不存在任何 LBP 特徵點，則認定此 SURF 特徵點是位於帄滑區域內，

而將其從 SURF 特徵點集合中濾除，經由上述處理後所產生的 SURF 特徵點集合即為 Non-uniform SURF 特徵點。圖 3-16 的左圖為一個位於帄滑區域之 SURF 特徵點示意 圖，此特徵點經過我們的非帄滑區域 SURF 特徵點偵測方法處理後將會被濾除，而右 圖即為一個 Non-uniform SURF 特徵點示意圖，因為在其 SURF 特徵點範圍內包含了