我正在尝试根据LBP直方图确定某些纹理样本之间的相关性。我能找到的关于这个主题的大多数文献都讨论了测量直方图对之间的距离(例如欧几里得距离(，基本上将直方图的 N 个值中的每一个视为一个单独的特征，并试图在 N 维空间内聚类。
我不希望将每个值视为单独的特征，因为我想在分析之前将数据与其他纹理特征相结合。我想知道是否有一个非比较特征，我可以从直方图中提取出来。
使用相异性度量比较LBP直方图确实是基于LBP的图像分类的常用方法(请参阅有关该主题的这篇综述(。
或者，您可以从LBP直方图本身中提取特征，如本文所述，通过基于LBP的眼底图像分析进行视网膜疾病筛查：
从这些直方图中提取不同的统计信息，以将其用作分类阶段的特征。具体来说，计算出的统计值为：平均值、标准差、中位数、熵、偏度和峰度。总而言之，根据每个LBP和VAR直方图计算六个统计值，每个半径都有12个特征。因此，要素总数等于 144(12 个要素× 4 个半径× 3 个分量(。