IFD : Image Forgery Detection

الگوی باینری محلی ( LPB )

  الگوی دودویی محلی:

الگوریتم الگوی باینری محلی  (LBP) در سال 1994 ابداع گردید. الگوی دودویی محلی یکی از روش هایی است که در عین سادگی می تواند ویژگی های مناسبی برای طبقه بندی بافتی با دقت بالا تولید کند. در روش معمول الگوی محلی باینری، از هیستوگرام برای استخراج ویژگی ها استفاده می کند. از آنجایی که الگوی دودویی محلی هم از مشخصه های آماری و هم ساختاری بافت استفاده می کند یک ابزار قدرتمند برای تحلیل بافت می باشد. در اپراتور الگوی دودویی محلی، الگوهای بافت محلی بوسیله مقایسه مقدار پیکسل های مجاور با مقدار پیکسل مرکزی استخراج می شوند و با کدهای دودویی نشان داده می شوند.

الگوی دودویی محلی که ابتدا توسط اوجالا و همکارانش در سال1996  پیشنهاد شد بعلت مقاومتش نسبت به تغییرات روشنایی، پیچیدگی محاسباتی کم و توانایی کدگذاری جزئیات یکی از رایجترین توصیفگرها می باشد. دیگر نوع جالب توسط تان و تریگس به منظور حل مشکل حساسیت به نویز در فضای تصویر یکنواخت پیشنهاد شده است، این روش که الگوهای سه تایی محلی (LTP) نامیده می شود یک رمزگذاری سه مقداری پیشنهاد می کند که شامل آستانه حول صفر برای ارزیابی تفاوت مقیاس خاکستری محلی می شود. انواع دیگری از توصیفگرهای الگوهای محلی باینری وجود دارد.

الگوی باینری محلی مستقل از چرخش، توسعه ای دیگر از الگوی محلی باینری است. زمانی که یک تصویر در صفحه می چرخد تمام همسایه ها حول پیکسل مرکزی در یک جهت خواهند چرخید. این اثر چرخش منجر به مقادیر متفاوتی برای الگوی باینری محلی می شود. برای این منظور محققین توسعه ی جدیدی از الگوی محلی باینری که مستقل از  چرخش می باشد را معرفی کرده اند.( الگوی باینری محلی با  چرخش ثابت). عبارت مستقل از چرخش در اینجا مربوط به تغییرات مکانی وابسته به تغییرات نور و یا اشیا متفاوت نمی باشد. مستقل از چرخش برای برطرف کردن اثر نامطلوب چرخش، از عملگر چرخشی بیتی دایره ای به سمت راست استفاده می شود تا با چندین تکرار تمامی کدهای دودویی که با این بیت ها میس تواند تولید کرد را بدست آورد و سپس کمترین مقدار دهدهی را از الگوی باینری بدست آورد.

پایه ی این روش به صورت زیر است:

آنگونه که در شکل زیر توضیح داده شده است یک ماتریس سه در سه داریم. هر کدام از پیکسل ها با هشت پیکسل همسایه  در مجاورت سه در سه با کمکردن مقادیر پیکسل مرکزی مقایسه شده است و هر کدام از خانه ها مقدارش کمتر از مقدار صفر مرکزی باشد صفر نشان میدهد و موارد دیگر (اگر بزرگتر از صفر و یا برابر یک باشد) با یک همراه هستند. برای هر کدام از پیکسل های مشخص، یک عدد دودویی با استفاده از تمامی این مقادیر دودویی در یک جهت بلوکی ارائه می گردد که از قسمت های مجاور بالا-سمت چپ شروع شده است. مقادیر دهدهی مربوط به آن در زمینه عدد دودویی ایجاد شده در ادامه برای مشخص نمودن یک پیکسل مشخص استفاده شده است.  اععداد دودویی حاصل بصورت کدهای الگوی باینری محلی لحاظ می گردند.

شکل زیر نمونه ای از شکل توسعه یافته اپراتور الگوی دودویی محلی یعنی الگوی دودویی محلی طویل شده (ELBP) را نشان می دهد که در آن علامت P و R نشان دهنده P نمونه گیری  مجاور به صورت نقاطی بر روی یک دایره با شعاع r می باشد.

با توجه به یک پیکسل مرکزی در تصویر، کد الگوی دودویی محلی با مقایسه آن پیکسل با پیکسل های مجاور محاسبه می شود.

یک الگوی دودویی در صورتی تحت عنوان یکنواخت خوانده می شود که حداکثر محتوی دو گذار بیتی از صفر به یک و یا برعکس در شرایطی باشد که رشته بیت مربوطه به صورت مدور در نظر گرفته می شود. برای (11110111) دو گذار دارد پس یکنواخت است در حالیکه (11001001) با چهار گذار چنین شرایطی ندارد.

در مقاله ای دیگر lbp اینگونه توضیح داده شده است:

الگوریتم LBP ، یک الگوریتم محلی استخراج ویژگی از تصویر است. الگوریتم LBP یکی از قویترین الگوریتمهای است خراج ویژگی در علمبینایی ماشین است و توسعه های بسیاری مبتنی بر این الگوریتم ارایه شده است.

عملگر LBP اصلی به عنوان توصیفگری قدرتمند برای بافت تصویر در  معرفی شده است. این عملگر برای هر پیکسل با  توجه به برچسب پیکسلهای همسایگی 3 × 3 یک عدد دودویی تولید میکند. برچسبها با آستانهسازی مقدار پیکسلهای همسایه با مقدار پیکسل مرکزی به دست می آیند. به این صورت که برای پیکسلهای با مقدار بزرگتر یا مساوی مقدار پیکسل مرکزی برچسب 1 و برای پیکسلهای با مقادیر کوچکتر از مقدار پیکسل مرکزی برچسب 0 قرار میگیرد. سپس این برچسبها به صورت چرخشی در کنار هم قرار گرفته و یک عدد 8 بیتی تشکیل میدهند. نحوه کار این عملگر درشکل  آمده است.


محدودیت عملگر LBP پایه همسایگی کوچک آن  3 × 3  است که باعث میشود بر تصاویر با مقیاس بزرگ تسلط نداشته باشد. بدین منظور بعداً این عملگر با توسعهای بر اندازه همسایگی مطرح شد؛ که به صورت یک دایره با با شعاع R پیکسل بر رویP پیکسل نشان داده می شود.

این عملگر به صورت LBPP,R نشان داده می شود و حداکثر می تواند 2P مقدار مختلف، مطابق با 2الگوی باینری تولید شده توسط P پیکسل موجود بر روی شعاع همسایگی تولید کند. برای مثال می توانید به شکل زیر مراجعه کنید که نحوه ی انتخاب پیکسل های همسایه در این نوع الگوی باینری محلی را به ازای سه شعاع مختلف نشان می دهد.

بعد از برچسبگذاری یک تصویر توسط عملگر LBP ، هیستوگرامی از برچسبها به صورت رابطه زیر تعریف میشود:

       

که n تعداد برچسبهای تولید شده توسط عملگر LBP و تابع I به صورت رابطه زیر تعریف شده است:

در [2] الگوهایی که در آنها با چرخش بیتها حداکثر دو تغییر 0 به 1 یا برعکس وجود داشته باشد به عنوان مثال 00000000 ، 00111110 و 11100001 الگوهای یکنواخت 1 نامگذاری شده اند. ذخیره الگوهای یکنواخت عملگرجدیدی ایجاد میکند که برای همسایگی 8 پیکسل 5۹ الگو خواهد داشت؛ بطوریکه 58 خانه اول هیستوگرام مربوط به الگوهای یکنواخت و خانه 5۹ ام مربوط به مجموع الگوهای غیریکنواخت است.

تعداد الگوهای LBP استاندارد برابر 256 است. 58 الگوی مختلف تولید شده توسط عملگر پایه LBP در شکل زیر نشان داده شده است.

منبع

دانلود مقاله بکارگیری الگوی دودویی محلی در استخراج ویژگی

دانلود مقاله Detection Based on Local Texture

دانلود مقاله الگوی باینری محلی

نظرات (0)
نام :
ایمیل : [پنهان میماند]
وب/وبلاگ :
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)