2。2。2  LBP旋转不变模式

从基本LBP算子可以看出，图像旋转一定的角度，LBP的值就将发生变化，这对我们进行图像匹配造成极大的困难。对得到的二进制数进行简单的处理，就能满足旋转不变性。假设在邻域内取P个点，将邻域内的二进制数不断循环移位，可以得到P个的二进制数串，取其中最小的作为该邻域最终的LBP值，使图像在不同角度下计算得到的LBP值是一样的，从而具有旋转不变的特点。LBP旋转不变模式的计算公式如下：

min()函数功能为求最小值，ROR()函数为循环移位函数。

例如图2。1(b)得到的基本LBP值01110000在经旋转后，得到00111000(56)、00011100(28)、00001110(14)、00000111(7)、10000011(131)、11000001(193)、11100000(224)、01110000(112)共8个LBP值，取其中的最小值00000111(7)作为最终的LBP值，满足了旋转不变性。

2。2。3  LBP等价模式

由前面我们可以知道，在半径大小为R的邻域内，取P个采样点将会有种模式，在这种情况下，随着半径R的增大和采样点数目P的增多，二进制模式的种类将呈指数倍增加，这无疑会使我们的计算量呈指数倍上升，占用更多的数据空间。过多的二进制模式不仅使计算麻烦，纹理信息匹配困难，还会让简单的信息占用较大的空间，提取得到的信息难以用来描述图像的纹理。如较小的局部区域下使用较大的邻域，会造成提取的纹理信息量甚至高于原图像所能表示的信息，这明显会造成信息过于冗余。局部二值模式一般是使用直方图来表示图像局部信息的，当二进制模式过多时，会使直方图过于稀疏，不能很好的完成图像匹配，也失去了信息提取的意义。由此，可以用来降维的LBP等价模式应运而生。

等价模式也是由Ojala[18]提出的，在实际的图像处理中，图像中的大部分像素变化是均匀的，同一个邻域内出现像素跳变的次数很少，可以认为，在LBP模式中，二进制数从0到1或者从1到0的变化不会超过两次，把这种跳变次数不超过两次的LBP二进制数串定义为LBP等价模式，可以依据跳变次数定义LBP等价模式而对基本LBP进行降维，且能够保留图像的纹理信息，不会丢失图像关键信息。如11111111(共0次跳变)、000000011(共1次跳变，从0变到1)、00000110(共2次跳变，先从0变到1，再从1变到0)。跳变次数高于2次的统一为混合模式，使用同一个编码。这样，在8个采样点的情况下，基本LBP共计256种二进制模式，通过等价模式降维，可以减少为58种，再将混合模式用同一个编码表示，可以变成59种模式，保留了图像纹理信息的同时，完成了降维和去噪声。

2。3  权重的计算来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

1948年，Shannon提出了信息熵的理论，实现了对信息的量化。信息熵的大小能够反映图像中信息的丰富程度，图像的信息熵越大，图像中纹理细节就越丰富，信息量越大，反之，则说明图像中的纹理细节较少，有用的信息比较少[19]。将信息熵应用到人脸图像的局部区域，可以知道不同区域对图像贡献的多少，在包含眼睛、鼻子、嘴巴等重要部位的区域，包含的细节会比只有皮肤的区域多一些，包含的信息也更丰富，需要更大的权重。实践证明，信息熵能较好地反映这个权重。