标签：nbsp rip 合成 分类 根据 组成 target 空间 ssis
韦伯局部描述符(Weber Local Descriptor,WLD)是一种纹理特征描述符，广泛用于纹理分类 、目标检测、人脸识别、图像篡改检测领域。
一、韦伯定律
在黑色的纸上用白色的笔写字比用深色的笔写字更容易被看清，这是因为这种刺激达到了一定的阈值，从而引起了我们的感官刺激。韦伯定律是反映心理量和物理量之间关系的定律，它表明能够引起感觉差异的差别阈值与原始刺激的强度之比是一个常量，即：
其中k称作韦伯比是一个常量，ΔI表示差别阈值，I表示原始刺激的强度。由此可以推知，刺激的变化所引起的感觉差异不仅与刺激变化的大小有关，还与原始刺激的强度有关。局部图像描述符WLB就是根据该定律提出的，它包含两个算子：差分激励算子和方向算子。WLD计算除边缘像素点外的每个像素点的差分激励和方向，并以其二维分布直方图来联合表征图像的纹理特征。
二、WLD
WLD由两部分组成：差分激励（differential excitation）和方向（orientation）。
1.差分激励
差分激励反应窗口内中心像素与邻域像素之间强度的关系，由中心像素与邻域像素之间强度的差值和中心像素的强度组成。差分激励ξ(xc)表示如下：
其中，xc表示当前中心像素的强度，xi表示邻域像素的强度，i=0...P-1，P表示邻域数量。
2.方向
方向反应窗口内强度变化的空间分布信息。通过局部窗内水平方向与垂直方向上邻域像素点的灰度差值比值的反正切变换来描述。方向Φ(xc)表示如下：
其中DV表示垂直方向上中心像素两侧邻域的强度的差值，DH表示水平方向上中心像素两侧邻域的强度的差值。比如在3*3窗口内：
| x0 | x1 | x2 |
| x7 | xc | x3 |
| x6 | x5 | x4 |
则DV=x5-x1，DH=x7-x3。
为了能够更加有效的区分局部窗口的灰度分布变换，将方向变换如下：
3.WLD直方图
二维直方图如上图所示，横轴表示方向，纵轴表示差分激励。每个小矩形表示在该方向下所在差分激励区间像素的数量，数量不同，颜色不同。WLD采用均匀量化技术，将方向Φ(xc)均匀地量化为T个方向，将差分激励均匀地划分为M个频段，分别对应于图像中的高频、中频和低频变化，再将划分的每个频段上将差分激励均匀地量化为S格，形成一个T×C=T×(M×S)的二维直方图，并通过编码将其转化为一维向量用于表示图像的纹理特征。
1、在每个主方向上差分激励子直方图，得到H0至H(T-1);
2、将H(k)分成M个子区间，即l(m),m=0,...,M-1,将H(k)中的l(m)对应放置在t=k和m=i处；（想象一下矩阵的转置）
3、将m=i的一行子直方图拼接成一个直方图，即H(i)；
4、将H(i)组合成一个直方图，即WLD直方图。
参考博客：http://www.cnblogs.com/zyly/p/9570376.html
【局部描述符】韦伯局部描述符(Weber Local Descriptor,WLD)
标签：nbsp rip 合成 分类 根据 组成 target 空间 ssis
原文地址：https://www.cnblogs.com/fafa23/p/9708714.html
