医学图像识别是计算机视觉和计算生物学两者中的一项重要任务。在医学图像分类领域,基于局部二进制模式(LBP)描述符的图像已广受欢迎。但是,大多数基于LBP的现有方法都将二进制模式编码在固定的邻域半径内,而忽略了局部模式之间的空间关系。忽略LBP中的空间关系会在捕获复杂样本的判别特征(例如通过显微镜获得的医学图像)的过程中导致较差的性能。为解决此问题,本文提出了一种新的方法来改善局部通过为每个像素分配自适应邻域半径来生成二进制模式。 基于这些自适应局部二值模式,我们进一步提出了以邻域直方图策略对图像表示的微结构进行编码的方法。对四个医学数据集进行了广泛的自评估,表明该方法显着改善了标准LBP,并与其他几种流行方法相比具有优势。