معرفی LBP و انواع آن

الگوی دودویی محلی در سال 1994 توسط Lowe Wang¹ابداع گردید ، این الگو یک روش قدرتمند برای طبقه بندی بافتهای تصویر است که در سیستم بازیابی تصویر چهره کاربرد فراوان دارد و در روش معمولی الگوی باینری محلی از هیستوگرام برای استخراج ویژگی استفاده می نماید و از آنجایی که این روش هم از مشخصه های آماری و هم از ساختار بافتی استفاده می کند ابزاری قدرتمند برای تحلیل بافت به شمار می رود در این روش الگوهای دودویی محلی بوسیله مقایسه مقدار پیکسلهای مجاور با پیکسل مرکز الگوی بافت محلی استخراج می شود و با کدهای دودوئی نشان داده می شود ، این الگو در سال 1996 توسط اوجالا²و همکارانش پیشنهاد شد و به علت مقاومتش نسبت به تغییرات روشنایی و پیچیدگی محاسباتی کم و کدگذاری جزئیات یکی از رایج ترین توصیفگرهاست در اصل الگوی دودویی محلی برای آنالیز بافت پیشنهاد شده است و هنوز به عنوان یک رویکرد قدرتمند برای توصیف ساختار محلی معرفی می شود، و این الگو در بسیاری از کاربردهای گوناگون برای نمونه آنالیز تصویر چهره ،دریافت ویدیو تصویر ،مدلسازی محیط ،نظارت دیداری ،آنالیز حرکت ،آنالیز  تصاویر هوایی و ... مطرح شده است.

انواع دیگر از توصیفگرهای الگوهای محلی دودویی در طول 5 سال اخیر پیشنهاد شدند و همچنین از چندین تحقیق صرفا برای الگوهای یکنواخت استفاده شد و با ترکیب الگوهای یکنواخت و غیر یکنواخت عملکرد الگوی محلی دودویی توسط ژو و همکارانش ارتقا داده شد .

انواع LBP

1-معمولی

2-دایره ای

3-قطری

که اصطلاحا آنها را به الگوهای خطی و محیطی تقسیم بندی می کنیم، در الگوهای محیطی مانند دایره ای چون ناحیه مدنظر نسبت به الگوی خطی مساحت بیشتری را دارد از درونیابی استفاده نموده و نقاط را با توجه به نقاط همسایه بازسازی می نماید در نتیجه کیفیت کار بالا می رود.

1- Lowe Wang

2- Timo Ojala

LQEP

در این مقاله روشی جدید برای توصیفگرهای ویژگی پیشنهاد شده است که ارتباط جهات همسایه ها و پیکسل وسط را جمع آوری می نماید و همچنین الگوی DLEP اطلاعات جهات را برپایه اکسترممهای 0و45و90و135 درجه برای هر پیکسل بدست می آورد.

استخراج داده یکی از شاخه های فعال در بازیابی اطلاعات و یا داده ها در پایگاه داده ها و یا کتابخانه های بزرگ است که در گذشته بازیابی براساس متن برای استخراج و بازیابی اطلاعات استفاده می شد، بدین صورت که در این فرآیند متونی در حاشیه تصویر نوشته می شد و سپس با استفاده از سیستم مدیریت پایگاه داده های بر پایه متن عمل بازیابی تصویر انجام می شد که پیشرفتهای زیادی از قبیل مدل نمودن داده ،شاخصهای چند بعدی ،ارزیابی Query در این روش حاصل شد، بهرحال دو مشکل عمده نیز بر سر راه این روش وجود داشت:

1- زمانیکه سایز تصویر بزرگ می شد (ده یا صد هزار ) مشکلی در ذخیره این تصویر بود.

2-مشکلی که حائز اهمیت بود محتوای درون تصویر و درک صحیح انسان از آن بود که شاید از دو تصویر مشابه درکهای مختلفی صورت می گرفت.

به همین دلایل بود که ایده CBIR  بر اساس محتوای بصری شامل رنگ و بافت و شکل و ... شکل گرفت. رنگهای تصویر فقط برای زیبا سازی تصویر بکار برده نمی شوند بلکه اطلاعاتی در مورد تصویر را به ما می دهند که برای استخراج اطلاعات از تصویر رنگی کاربرد فراوان دارد،یکی از الگوهای CBIR الگوی LBP هست که در روشهای گوناگون مربعی،دایره ای ، قطری کاربرد دارد و الگوی نسبتا موفقی از نظر سرعت و کارآیی در کلاس بندی بافتها جهت موارد تشخیص چهره ، ردیابی شی ، بازیابی تصویر چهره و تشخیص اثر انگشت به شمار می رود.

در شکل زیر نحوه محاسبات نمایش داده شده است.

LBP معمولی

LBP قطری

Rao, L. K., & Rao, D. V. (2015). Local quantized extrema patterns for content-based natural and texture image retrieval. Human-centric Computing and Information Sciences, 5(1), 26.

طراحی یک سیستم شناسایی چهره بر خط با استفاده از پردازنده گرافیکی

سیستم بازیابی تصویر چهره در 3 دهه اخیر در تصاویر ثابت و محیطهای کنترل شده پیشرفت چشمگیری داشته است اما در تصاویر متحرک و بر خط هنوز دارای چالشهایی است که در این مقاله با استفاده از روش LBP بر پایه پردازنده گرافیکی NVIDIA و پلتفرم CUDA تحقیقی صورت گرفت و در مواقعی که استفاده از GPU مقرون به صرفه نبوده است موازی سازی با CPU انجام شده است.

چالشهای بازیابی تصویر چهره برخط:

1- تغییرات روشنایی تصاویر

2- تغییر حالت چهره

راه حل ارائه شده:

از الگوریتم LBP(Local Binary Pattern) برای استخراج ویژگی پایدار به تغییرات یکنواخت روشنایی و حالت چهره و از الگوریتم

SQI(Self Quotient Image) برای خنثی سازی تغییرات نور استفاده شده است و برای افزایش هرچه بیشتر سرعت سیستم از پردازنده گرافیکی GPU استفاده شده است بدین ترتیب که موازی سازی افزایش 19 برابری سرعت پردازش را در بر داشت

تعریف SQI:خارج قسمت تقسیم تصویر بر فیلتر پایین گذر همان تصویر مانند گاوسین

مرجع:علوم و مهندسی کامپیوتر،نشریه علمی و پژوهشی انجمن کامپیوتر ایران،مجله 12 شماره 3(الف)،سال1393،صفحات 59-66

استفاده از الگوریتم LBP در تشخیص خودکار تومور سرطانی بر پایه GPU

LBP یک توصیفگر بافت قدرتمند است که به تازگی در تحلیل تصاویر پزشکی کاربرد پیدا کرده است، در این پایان نامه با استفاده از GPU ،الگوریتم LBP برروی تصاویر حاوی سلولهای سرطانی اعمال شده که بوسیله این الگو نه تنها بافتهای سرطانی با دقت و کیفیت بالا پردازش می شوند بلکه محل دقیق تومورهای سرطانی نیز با سرعت بسیار بالاتری نسبت به CPU با توجه به حجیم بودن عکسها بطور خودکار مشخص می شود،که میانگین زمان صرف شده درGPU  حدود 12 میلی ثانیه بوده در حالیکه زمان پردازش در CPU حدود 1150 میلی ثانیه محاسبه شده است که تقریبا 95 برابر GPU سریعتر عمل نموده است.