MATLAB资源，包含LBP经典论文，以及论文中提及的LBP算法实现。

提出了一种基于HOG-LBP特征融合的人体头肩检测方法，其要点是将人体头肩图像等分为多个部分重叠的块，从每个块内提取HOG和LBP特征并加以融合，以得到更有效的人体头肩的边缘轮廓和纹理特征，融合后的特征送入支持向量机SVM（Support Vector Machine）通过Bootstrapping的方式进行训练，得到最终的判别模型。实验结果表明，该方法的检测效果优于基于单一HOG、LBP特征的方法。

LBP含义为局部二进制模式，是用来描述图像局部特征的算子，由T.Ojala, M.Pietikäinen, 和 D. Harwood在1994年提出，最初是为纹理描述而设计的。由于LBP对单调灰度变化的不变性和计算效率高，其适用于高要求的图像分析任务，在计算机视觉的许多领域都得到了广泛的应用：比如人脸识别、目标检测、应用LBP特征来进行训练目标检测分类器。 ​ 本文将介绍LBP特征算法的三种模式，分别为：原始的LBP，Circular LBP又称Extended LBP，Uniform Pattern LBP

LBP 文理图像检索 算法

这计算了 CSLBP 算子的直方图，它是 LBP 的扩展。 使用 CSLBP 对于照明和模糊类型的图像转换非常有效。 它返回长度为 16 的未归一化的 CSLBP 直方图。人们可以根据他的应用程序轻松进行归一化。 大多数情况下，它用作关键点描述符。 检测关键点，估计关键点周围的局部补丁，然后计算 CSLBP 描述符。 然而，为了简单起见，下面的示例计算图像级描述符而不是局部关键点描述符。 例子： %% 加载图像img = imread('myImage.jpg'); 如果RGB，%%转换为灰度img = rgb2gray(img); h = CSLBP(img); % 它返回给定图像/补丁的 CSLBP 直方图。 可以很容易地按照原始论文中的建议将向量归一化为 0-1 之间h = h./sum(h);

为了保护数据隐私，私密图像在上传到云服务器之前需要进行加密，然而，加密会导致传统的图像特征无法提取，进而给图像检索带来困难。针对密文图像的检索问题，提出了一种云环境下JPEG图像的安全检索方法：数据拥有者部分解码JPEG码流得到图像的DCT（discrete cosine transform）系数，对系数进行置乱加密然后生成密文图像并上传到云服务器；云服务器在图像密文上提取DC系数差分特征以及LBP（local binary patterns）特征，通过比较图像的特征向量之间的距离来确定图像的相似度，最后返回相似图像。该方法不仅减少了计算复杂度，而且使得数据拥有者与云服务器之间的交互次数尽可能地减少，同时，与其他几种目前有代表性的方法相比，具有更好的安全性和检索准确度，能实现对JPEG图像安全高效的检索。最后基于该方法做了简单的仿真系统，进一步验证了该方法的有效性。

该文档描述了一个基于LBP的树叶识别系统的实现。主要用到图像方面的知识。

matlab的egde源代码 LBP-DBN-face-recognition 使用LBP特征提取算法提取人脸特征，DBN网络来实现人脸识别，测试数据库-ORL数据库，识别率可达90%以上 ###工程使用方法： clone下工程，要根据实际情况修改test_example_DBN.m中的文件路径 我们在该文件中，a=imread(strcat('E:\My RBM-DBN matlab\ORL\ORL\s',num2str(i),'_',num2str(j),'.bmp')); ###工程说明： ####英文简称注释： DBN-深度信念网络、RBM-受限的玻尔兹曼机 、LBP-局部二值模式 ####几点说明： 0-这个程序的功能，使用DBN算法来实现人脸识别，数据库使用ORL数据库，在迭代次数达到3000时，识别准确率98%左右 2-此程序还附带了画学习曲线的功能，画正则参数，隐层结点数，训练样本数的学习曲线 3-DBN是有几层RBM构成，我这个程序实现的是4层网络，输入层-隐层1-隐层2-输出层 4-DBN的训练基本上分为两步，先用RBM的训练方法训练网络得到初始值，来初始化整个网络

LBP是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征

LBP的C++代码，这个是我自己写的，之前那个Matlab代码是别人的，自己也没搞太懂，比如mapping的含义，这个C++的代码需要pgm格式的图像，大家可以百度一下如何转pgm的matlab代码，这个转格式的算法还是挺简单的。最后运行结果跟文献的应该是一模一样的，图片文件也跟文献中的一样，从FERET数据库取的.最后的data.txt是输出数据，貌似是一维数据，要在matlab中转成二维再画图