我正在尝试根据 LBP 直方图确定一些纹理样本之间的相关性。我能找到的关于该主题的大多数文献都讨论了测量直方图对之间的距离(例如欧几里得距离)，本质上将直方图的每个 N 值视为单独的特征，并尝试在 N 维空间内进行聚类。
我不想将每个值视为单独的特征，因为我想在分析之前将我的数据与其他纹理特征结合起来。我想知道是否有一个非比较特征可以从直方图中提取。
最佳答案
使用相异性度量来比较 LBP 直方图确实是基于 LBP 的图像分类的常用方法(请参阅该主题的 this review)。
或者，您可以从 LBP 直方图本身提取特征，如 this paper 中所述。基于LBP的眼 basemap 像分析筛查视网膜疾病:
Different statistical information is extracted from these histograms to use it as features in the classification stage. Concretely, the calculated statistical values are: mean, standard deviation, median, entropy, skewness, and kurtosis. To sum up, six statistical values are calculated from each LBP and VAR histogram, giving place to 12 features for each radius used. Consequently, the total number of features is equal to 144 (12 features × 4 radius × 3 components).
关于machine-learning - 局部二元模式直方图的特征？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58307437/