循环局部二值模式：构建等价模型的新方法

是的，常规局部二值模式 (LBP) 转化后得到的二进制编码可以作为新的样本，然后继续进行循环操作，得到等价的局部二值模型。这个过程可以理解为将原始图像的 LBP 特征再次进行 LBP 编码，从而提取更深层次的纹理信息。

循环操作可以一直进行下去，直到满足预设的停止条件为止。常见的停止条件包括：

• 达到预设的循环次数。
• 新生成的 LBP 模型与之前的模型高度相似。
• 新模型的性能指标不再提升。

通过这种循环 LBP 的方法，我们可以得到多个等价的局部二值模型。 这些模型可能对图像的纹理信息有不同的侧重，可以用于更全面地描述图像特征，并在图像分类、目标识别等任务中获得更好的性能。

总的来说，循环使用 LBP 编码作为新样本是一种构建等价 LBP 模型的有效方法，它可以帮助我们更深入地挖掘图像的纹理信息，并提升 LBP 模型的表达能力。