改进的LBP算法CLBP实现图像纹理特征的提取

使用改进的LBP算法CLBP实现图像纹理特征的提取，并使用卡方统计方法计算类间距离并实现图像分布。本人已经实验，对15类病毒图像进行分类，不调任何参数的情况下实现67 以上的准确率。

%  ClassifyOnNN computes the classification accuracy
%  CP=ClassifyOnNN（DMtrainClassIDstestClassIDs） returns the classification accuracy 
%  The input “DM“ is a m*n distance matrix m is the number of test samples n is the number of training samples
%  ‘trainClassIDs‘ and ‘testClassIDs‘ stores the class ID of training and
%  test samples

%  Examples
%  --------
%       I1=imread（‘rice1.png‘）;
%       I2=imread（‘rice2.png‘）;
%       I3=imread（‘rice3.png‘）;
%       I4=imread（‘rice4.png‘）;
%       mapping=getmapping（8‘u2‘）; 
%       M（1:）=LBPV（I118mapping）; % LBPV histogram in （81） neighborhood using uniform patterns
%       M（2:）=LBPV（I218mapping）; 
%       S（1:）=LBPV（I318mapping）; 
%       S（2:）=LBPV（I418mapping）; 
%       M = ConvertU2LBP（M8）; % conv

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1573  2020-08-10 14:44  CLBP\ClassifyOnNN.m
     文件        6468  2020-08-10 14:44  CLBP\clbp.m
     文件        4326  2020-08-10 14:44  CLBP\DemoCodesForOutex.m
     文件        1220  2020-08-10 14:44  CLBP\distMATChiSquare.m
     文件        2749  2020-08-10 14:44  CLBP\getmapping.m
     文件         509  2020-08-10 14:44  CLBP\readme.txt
     文件         812  2020-08-10 14:44  CLBP\ReadOutexTxt.m
     文件       22367  2020-08-10 14:44  CLBP\rice.png