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

人脸识别训练文件，配合博文《基于OPencv LBP的人脸识别代码》

1. （由于原图像的尺寸太小，所以先对原图像进行插值）zm2_interp2函数是对矩阵进行自然边界条件的三次样条插值：zm为需要进行插值的数据，coeff为插值密度，密度越大插值越多。 2. zm_gradient135函数是为了将漏磁图像进行135度微分：datain为原数据，沿着135度角去除股波纹理特征。 3. smooth_d函数是为了对图像进行平滑处理：dataout为要处理的图像数据，选择lowess方法用23点平均处理，对每一行进行平滑处理。 4. gen_lbp_j函数是先对漏磁图像进行局部二值化处理，再从找出的点中找原图幅值大于一个值的点，从而找出漏磁点的位置：f为原图像的数据；函数中l为选取窗口矩阵的大小，即边长，这里选取 11×11的窗口矩阵；函数最后minl为选取漏磁点的最小幅值，这里取0.06。

LBP运用研究是非常好的，这是用Ｍａｔｌａｂ编写的代码。

lbp MATLAB代码，包括lbp,getmapping两个函数，另外有自己修改的图像化界面

内附Olivetti数据集，400张人脸，20个ID，人脸识别的小型数据库 第1步、训练集、测试集制作 第2步、提取人脸LBP特征 第3步、KNN分类器，k=5时，精度最高，82.5%

针对图像拼接中SIFT、SURF算法运算复杂、计算量大导致匹配速度慢的问题,提出了一种基于尺度FAST与质心标定改进LBP描述符的特征匹配方法。首先构建尺度金字塔并用FAST算法确定特征点位置,然后使用质心标定的圆形LBP来描述特征点,最后利用最近邻距离比结合RANSAC进行快速匹配。实验结果表明:提出的方法有着较好的匹配表现,并且速度约为SIFT的14倍、SURF的5倍以上;同时结合渐入渐出方法,能实现快速且高质量的图像拼接效果。