摘 要： 在深入分析CS-LBP、ICS-LBP、 FCS-LBP、ECS-LBP的基础上，提出了一种4维的快速纹理描述子。该描述子计算4个方向的方向导数，在维数由CS-LBP、ICS-LBP、 FCS-LBP的16维降到了4维的同时，较CS-LBP、ICS-LBP、 FCS-LBP、ECS-LBP具有更好的区分能力，对纹理图像的聚类准确度更高，描述子计算时间平均在CS-LBP、ICS-LBP、 FCS-LBP、ECS-LBP的以内。
关键词： 纹理；中心对称局部二值模式；模糊；纹理谱描述子；方向导数

纹理是物体和景物的固有属性，纹理分析的目的在于刻画纹理的特征，纹理分类是在纹理分析的基础上进行分类，是目前具有重大研究意义的课题。参考文献[1]在8×8的纹理单元中根据中心像素与其邻域像素的灰度差关系提出了纹理谱的概念；参考文献[2]在此基础上提出了局部二值模式（Local Binary Pattern）纹理谱描述符；参考文献[3]在区域内采用光栅扫描的顺序进行相邻像素的灰度比较；参考文献[4]用邻域均值代替中心像素进行计算。参考文献[2]~[4]提高了纹理描述的准确度，但是维数较高，计算量大，实时性不高。参考文献[5]提出中心对称的局部二值模式（Center-Symmetric Local Binary Patterns）纹理谱描述符，使描述符的特征维数由256维降低到了16维。参考文献[6]考虑了中心像素与邻域像素的灰度关系，提出了ICS-LBP纹理谱描述符。参考文献[7]使用模糊方法使灰度差的判断从绝对的是否满足0或1关系变成[0，1]区间的度量。参考文献[8]提出了ECS-LBP，通过让一个方向上正向和逆向相同，提高了描述子抗旋转的鲁棒性。参考文献[9]提出了一种与具体的分类问题无关的纹理特征选择算法。参考文献[10]提出了一种3层模型，可以在兼顾鲁棒性的同时估计感兴趣的最佳特征集合。参考文献[11]对局部频率使用不同的滤波，提出了一种具有抗噪声和旋转不变性的纹理描述子。
许多纹理描述子没有考虑到特征间的相关性与冗余性，特征描述维数较高，计算量大。但是纹理分类希望可以找到足以满足分类需要的纹理特征的同时尽量使纹理的描述简单快速，有较低的维数。本文分析了CS-LBP、ICS-LBP、FCS-LBP、ECS-LBP的本质，在其本质基础上提出了基于方向导数的纹理描述子，在纹理描述计算量大幅下降的同时保持了较好的特征表示能力。