LDP (Local Derivative Pattern)原理

在实际运用中，LBP(Local Binary Pattern只是考虑了中心像素跟邻域像素之间的大小关系：

只是强调了像素的强度和一阶的梯度信息，没有强调像素之间的方向和高阶梯度大小的信息。不能完全的表达图像的纹理信息。

Local Derivative Pattern（LBP)的提出表示出了像素的梯度方向的变化基于2进制编码的作用。

LDP可以处理高阶的梯度信息，这是比LBP强的一方面。

方法详解：

假设一图像I(z),我们定义这个图像在0、45、90、135度上的一阶方差是Ia(Z),a=0\45\90\135.。。

假设图像上的一个像素点Z,则在Z点的各个角度上的一阶方差我们定义为：

则 二阶的LDP我们可以定义为：

其中：

我们得到在各个像素点各个角度上的LDP值，然后进行直方图统计，综合在一起就是图像中一个块的特征向量。

，

我们可以做高阶的LDP，假设三阶的LDP，我们可以参照二阶的LDP进行计算：

计算公式：

所以高阶的LDP公式可以总结为：