第4期 陈肖蒙，等：基于可变局部边缘模式的绿色植物物种识别 ·573· 1.2局部非边缘模式算子 向线上的4个近邻点赋值为0，第一方向线和第 局部非边缘检测算子包括P个均匀分布在R 二方向线将圆周平均分为4份，其中位于对角的 圆上的近邻点，其中P大于4且能被4整除，R为 两份圆周上的近邻点赋值为1，位于另一对角的 正实数。过圆心作两条相互垂直的第一方向线和 两份圆周上的近邻点赋值为-1，如图2(b)所示。 第二方向线。对于第一类局部非边缘模式算子， 图中两条虚线分别为第一方向线与第二方向线， 位于第一方向线的两个近邻点赋值为1，位于第 以圆心为旋转中心，不断将两条方向线按顺时针 二方向线的两个近邻点赋值为-1，除此之外，其 或逆时针旋转固定角度360/P,可以衍生出不同 余近邻点均赋值为0，如图2(a)所示；对于第二类 的非边缘模式算子。 局部非边缘模式算子，位于第一方向线和第二方 o00 ①00 04 0 000 O ⑩⑩ ①- ①⑩ O @ ⑨@ @⑩ 00-00 (a)第1类 gQ0Pa 日y300 900p ① ① E日 ⑩- ⑩① ① 月① ① 000-001 0o-00 0- ① 000寸 (b)第2类 图2一组局部非边缘模式算子VLEP6R Fig.2 A group of local non-edge pattern operators VLEP 1.3VLEP算子的多尺度与多方向属性 同方向，不同尺度空间的信息。可见，VLEP算子 由于P、R取值的不同，VLEP算子可以刻画 具有多尺度和多方向特性，利用VLEP算子提取 不同局部空间尺度和方向的纹理信息。不同尺度 特征，可以有效解决传统算子由于边缘方向过 的VLEP算子，其近邻点P的个数相同，半径R不 少、尺度单一而丢失其他边缘信息的问题。 同，如图3所示。 1 o000 ① (0 (O ⊙ 0) (0 0060 (a)P=8,R=2 (b)P=16,R=2 (a)P=8,R=l (b)P=8,R=2 图4不同方向（分辨率）VLEP算子实例 Fig.4 An example of multi-direction (or multi-resolution) 图3不同尺度VLEP算子实例 VLEP operators Fig.3 An example of multi-scale VLEP operators ①① 半径R越大，提取边缘特征的图像纹理基元 尺寸越大。使用不同尺度的VLEP算子提取纹理 O 边缘时，可以刻画出图像中不同的局部空间尺度 @ 的边缘信息。不同方向（分辨率）的VLEP算子， 0 ② 其半径R相同，邻近点P的个数不同，如图4所 9aga 示。近邻点P越大，对图像纹理基元提取边缘的 (a)P=8R=1 (b)P=16,R=3 方向越多，纹理特征越细致，分辨率越高。此外， 图5不同尺度与不同方向（分辨率）VLEP算子实例 VLEP算子的近邻点个数P与半径R可以同时不 Fig.5 An example of multi-scale and multi-resolution 同，如图5所示，可以分别提取图像纹理边缘不 VLEP operators1.2 局部非边缘模式算子 局部非边缘检测算子包括 P 个均匀分布在 R 圆上的近邻点，其中 P 大于 4 且能被 4 整除，R 为 正实数。过圆心作两条相互垂直的第一方向线和 第二方向线。对于第一类局部非边缘模式算子， 位于第一方向线的两个近邻点赋值为 1，位于第 二方向线的两个近邻点赋值为–1，除此之外，其 余近邻点均赋值为 0，如图 2(a) 所示；对于第二类 局部非边缘模式算子，位于第一方向线和第二方 360◦ /P 向线上的 4 个近邻点赋值为 0，第一方向线和第 二方向线将圆周平均分为 4 份，其中位于对角的 两份圆周上的近邻点赋值为 1，位于另一对角的 两份圆周上的近邻点赋值为–1，如图 2(b) 所示。 图中两条虚线分别为第一方向线与第二方向线， 以圆心为旋转中心，不断将两条方向线按顺时针 或逆时针旋转固定角度 ，可以衍生出不同 的非边缘模式算子。 (a) 第1类 (b) 第2类 0 0 0 0 0 −1 −1 0 0 1 0 0 0 0 0 1 −1 0 0 1 0 0 −1 0 0 0 0 0 0 0 1 0 −1 −1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 −1 −1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 −1 −1 −1 −1 −1 −1 0 1 1 1 1 0 0 −1 −1 −1 −1 −1 −1 1 1 1 0 0 0 1 1 1 0 −1 −1 −1 −1 −1 −1 0 0 1 1 1 0 1 1 1 0 −1 −1 −1 −1 −1 −1 0 1 1 1 0 0 0 1 1 1 VLEPθ 图 16,R 2 一组局部非边缘模式算子 VLEPθ Fig. 2 A group of local non-edge pattern operators 16,R 1.3 VLEP 算子的多尺度与多方向属性 由于 P、R 取值的不同，VLEP 算子可以刻画 不同局部空间尺度和方向的纹理信息。不同尺度 的 VLEP 算子，其近邻点 P 的个数相同，半径 R 不 同，如图 3 所示。 半径 R 越大，提取边缘特征的图像纹理基元 尺寸越大。使用不同尺度的 VLEP 算子提取纹理 边缘时，可以刻画出图像中不同的局部空间尺度 的边缘信息。不同方向 (分辨率) 的 VLEP 算子， 其半径 R 相同，邻近点 P 的个数不同，如图 4 所 示。近邻点 P 越大，对图像纹理基元提取边缘的 方向越多，纹理特征越细致，分辨率越高。此外， VLEP 算子的近邻点个数 P 与半径 R 可以同时不 同， 如图 5 所示，可以分别提取图像纹理边缘不 同方向，不同尺度空间的信息。可见，VLEP 算子 具有多尺度和多方向特性，利用 VLEP 算子提取 特征，可以有效解决传统算子由于边缘方向过 少、尺度单一而丢失其他边缘信息的问题。 1 1 1 0 0 −1 −1 −1 1 1 1 0 −1 −1 −1 0 (a) P=8,R=1 (b) P=8,R=2 图 3 不同尺度 VLEP 算子实例 Fig. 3 An example of multi-scale VLEP operators 1 1 1 0 0 −1 −1 −1 −1 −1 −1 −1 −1 −1 −1 1 1 1 1 1 1 1 0 0 (a) P=8,R=2 (b) P=16,R=2 图 4 不同方向 (分辨率)VLEP 算子实例 Fig. 4 An example of multi-direction (or multi-resolution) VLEP operators 1 1 1 1 1 1 1 0 0 −1 −1 −1 −1 −1 −1 −1 1 1 1 0 0 −1 −1 −1 (a) P=8,R=1 (b) P=16,R=3 图 5 不同尺度与不同方向 (分辨率)VLEP 算子实例 Fig. 5 An example of multi-scale and multi-resolution VLEP operators 第 4 期 陈肖蒙，等：基于可变局部边缘模式的绿色植物物种识别 ·573·